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

# 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

# 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：

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 许可证。