95 lines
2.2 KiB
Markdown
95 lines
2.2 KiB
Markdown
# 装备成本预测系统
|
||
|
||
基于机器学习的装备成本预测系统，支持火箭炮和巡飞弹两种装备类型的成本预测与数据分析。
|
||
|
||
## 功能特性
|
||
|
||
- 多模型成本预测 (XGBoost, LightGBM, RandomForest, GBM, PyTorch NN, PLS)
|
||
- 特征分析与数据可视化
|
||
- 算法对比演示
|
||
- 生产商分析
|
||
- 数据集管理
|
||
- 模型训练与评估
|
||
|
||
## 技术栈
|
||
|
||
- 后端：Python 3.9 ~ 3.11 + Flask
|
||
- 数据库：SQLite（内置，零配置）
|
||
- 前端：Vue 3 + Element Plus + ECharts
|
||
- 机器学习：scikit-learn, XGBoost, LightGBM（PyTorch 可选）
|
||
|
||
## 快速开始
|
||
|
||
```bash
|
||
# 1. 安装依赖
|
||
pip install -e .
|
||
|
||
# 2. 初始化派生特征数据（首次必须执行）
|
||
python -m scripts.calculate_features
|
||
|
||
# 3. 启动服务
|
||
python run.py
|
||
```
|
||
|
||
浏览器打开 **http://127.0.0.1:5001**。
|
||
|
||
## 常用命令
|
||
|
||
```bash
|
||
# 安装开发依赖（含 pytest, black, mypy）
|
||
pip install -e ".[dev]"
|
||
|
||
# 安装可选 PyTorch（神经网络训练需要）
|
||
pip install -e ".[torch]"
|
||
|
||
# 运行测试
|
||
python -m pytest tests/
|
||
|
||
# 代码格式化
|
||
black src/ tests/
|
||
```
|
||
|
||
## API 文档
|
||
|
||
### 预测接口
|
||
- POST `/api/predict` - 使用最优模型预测
|
||
- 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
|
||
- POST `/api/data/import` - 导入 Excel 数据
|
||
- 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
|
||
- 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
|
||
- POST `/api/demo/algorithms` - 查看可用算法
|
||
- POST `/api/demo/run` - 运行算法演示
|
||
|
||
## 前端开发
|
||
|
||
如需修改前端代码：
|
||
|
||
```bash
|
||
cd frontend
|
||
npm install
|
||
npm run serve # 开发模式（热更新）
|
||
npm run build # 构建生产版本
|
||
```
|
||
|
||
## 许可证
|
||
|
||
本项目采用 [LICENSE](LICENSE) 许可证。
|