# 装备成本预测系统

基于机器学习的装备成本预测系统，支持多种预测模型和数据分析功能。

## 功能特性

- 多模型成本预测
  - 机器学习模型 (XGBoost, LightGBM, RandomForest)
  - PLS 回归模型
- 特征分析与数据可视化
- 生产商分析
- 数据集管理
- 模型训练与评估

## 系统要求

- Python >= 3.9, < 3.12
- MySQL >= 8.0
- 其他依赖见 pyproject.toml

## 快速开始

1. 克隆项目

```bash
git clone [repository-url]
cd cost-prediction
```

2. 安装依赖

```bash
pip install -e .
```

3. 配置数据库

```bash
[Windows]
scripts/setup_env.ps1

[Linux/macOS]
scripts/setup_env.sh
```

4. 运行系统

```bash
python run.py
```

## API 文档

### 预测接口

- POST `/api/predict` - 使用最优机器学习模型预测
- POST `/api/pls/predict` - 使用 PLS 模型预测

### 数据管理

- GET `/api/data` - 获取装备数据列表
- GET `/api/data/details/<id>` - 获取装备详情
- PUT `/api/data/<id>` - 更新装备数据

### 数据集管理

- GET `/api/datasets` - 获取数据集列表
- POST `/api/datasets` - 创建数据集
- GET `/api/datasets/<id>` - 获取数据集详情
- PUT `/api/datasets/<id>` - 更新数据集
- DELETE `/api/datasets/<id>` - 删除数据集

### 模型管理

- GET `/api/models` - 获取模型列表
- POST `/api/train` - 训练模型
- POST `/api/models/<id>/activate` - 激活模型
- DELETE `/api/models/<id>` - 删除模型

### 分析功能

- POST `/api/analyze-features` - 特征分析
- POST `/api/analyze-manufacturers` - 生产商分析

## 开发指南

详细的开发文档请参考 `docs/dev/` 目录：

- requirements.md - 项目需求文档
- debug.md - 调试指南

## 测试

运行测试：

```bash
python src/test_api.py
```

## 许可证

本项目采用 [LICENSE](LICENSE) 许可证。