# intelligent_modeling

**Repository Path**: For---ever/intelligent_modeling

## Basic Information

- **Project Name**: intelligent_modeling
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-03
- **Last Updated**: 2026-07-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能房价评估系统

基于机器学习的智能房价评估Web应用，集成6种核心算法，支持数据上传、预处理、算法训练、参数调优、模型预测、结果可视化与历史记录管理。

## 技术栈

| 层级 | 技术 |
|------|------|
| 前端 | HTML5, CSS3, JavaScript ES6+, Bootstrap 5, Axios, ECharts |
| 后端 | Python 3.9+, Flask, Flask-SQLAlchemy, PyJWT, flasgger, joblib |
| 算法 | scikit-learn, Pandas, NumPy |
| 数据库 | MySQL 8.0+ |
| 部署 | Gunicorn + Nginx, Ubuntu 20.04/22.04 |

## 核心功能

- 用户注册/登录（JWT无状态认证，自动创建6个示范数据集）
- 数据集上传与自动预处理（缺失值填充、异常值处理、Z-score标准化、Label Encoding）
- 6种机器学习算法：线性回归、逻辑回归、K-means聚类、决策树、朴素贝叶斯、随机森林
- 算法参数调优（GridSearchCV网格搜索，调优前后量化对比）
- 多算法横向对比分析
- 性能基准测试（训练/加载/查询/预处理耗时）
- 模型预测（上传新数据或使用已有数据集，支持示范数据集自动匹配）
- 结果可视化（散点图、混淆矩阵、雷达图、柱状图、肘部法等ECharts图表）
- 预测历史记录查询与管理
- 用户数据隔离，全链路数据可追溯
- 模型保存/加载（joblib）

## 快速开始

### 1. 环境准备

```bash
# 克隆项目
git clone <repo-url>
cd intelligent_modeling

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows

# 安装依赖
pip install -r backend/requirements.txt
```

### 2. 数据库配置

```bash
# 登录MySQL，创建数据库
mysql -u root -p
CREATE DATABASE intelligent_modeling CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

# 执行建表脚本
mysql -u root -p intelligent_modeling < docs/database/init.sql
```

### 3. 配置环境变量

```bash
cp backend/.env.example backend/.env
# 编辑 backend/.env，填入数据库密码和JWT密钥
```

### 4. 启动后端

```bash
cd backend
python run.py
# 默认运行在 http://localhost:5000
```

### 5. 启动前端

```bash
# 使用任意静态文件服务器
cd frontend
python -m http.server 8080
# 访问 http://localhost:8080
```

### 6. 访问应用

- 前端页面: http://localhost:8080
- 后端API: http://localhost:5000/api/v1
- Swagger文档: http://localhost:5000/apidocs

## 项目结构

```
intelligent_modeling/
├── frontend/                     # 纯静态前端
│   ├── css/style.css             # 自定义样式
│   ├── js/
│   │   ├── config.js             # 全局配置，API地址集中管理
│   │   ├── api.js                # Axios封装，JWT拦截器
│   │   └── charts.js             # ECharts图表工具模块
│   ├── pages/
│   │   ├── login.html            # 登录页
│   │   ├── register.html         # 注册页
│   │   ├── dashboard.html        # 控制台/概览
│   │   ├── datasets.html         # 数据集管理
│   │   ├── algorithms.html       # 算法训练与对比
│   │   ├── results.html          # 训练结果与指标
│   │   ├── prediction.html       # 模型预测
│   │   ├── predictions.html      # 预测历史记录
│   │   ├── history.html          # 历史记录
│   │   └── guide.html            # 用户指南
│   └── index.html                # 入口页面
│
├── backend/
│   ├── app/
│   │   ├── api/
│   │   │   ├── auth.py           # 认证：注册、登录、用户信息
│   │   │   ├── data.py           # 数据：上传、列表、详情、删除
│   │   │   ├── algorithms.py     # 算法：训练、调优、对比、基准测试、预测
│   │   │   ├── results.py        # 结果：列表、详情、对比
│   │   │   └── predictions.py    # 预测记录：列表、详情、删除
│   │   ├── models/
│   │   │   ├── user.py           # 用户模型
│   │   │   ├── dataset.py        # 数据集模型
│   │   │   ├── algorithm_task.py # 算法任务模型
│   │   │   ├── result.py         # 结果模型
│   │   │   └── prediction_record.py # 预测记录模型
│   │   ├── services/             # 6种ML算法 + 调优 + 基准测试逻辑
│   │   ├── config.py             # 配置（dev/prod/test）
│   │   ├── extensions.py         # SQLAlchemy, CORS初始化
│   │   └── errors.py             # 全局异常处理，统一响应格式
│   ├── scripts/                  # 数据生成脚本
│   ├── test_data/                # 内置训练数据集（CSV）
│   ├── predict_data/             # 内置预测数据集（CSV）
│   ├── uploads/                  # 用户上传数据
│   ├── .env.example              # 环境变量模板
│   ├── requirements.txt          # Python依赖
│   └── run.py                    # 启动入口
│
├── deploy/                       # 部署配置
│   ├── deploy.sh                 # 一键部署脚本
│   ├── nginx.conf                # Nginx反向代理配置
│   ├── gunicorn.conf.py          # Gunicorn WSGI配置
│   └── intelligent_modeling.service # systemd服务文件
│
├── docs/                         # 文档
│   ├── api_documentation.md      # API接口文档
│   ├── data_guide.md             # 数据上传指南
│   ├── deploy_guide.md           # 部署文档
│   ├── test_report.md            # 测试报告
│   ├── presentation.md           # 汇报PPT（Marp源码）
│   ├── presentation.pptx         # 汇报PPT
│   ├── 智能房价评估开发项目.docx    # 项目报告
│   └── database/
│       ├── init.sql              # 建表脚本
│       └── backup.sql            # 数据库备份
│
├── .gitignore
└── README.md
```

## API接口

所有接口统一前缀 `/api/v1`，返回格式：

```json
{
    "code": 200,
    "msg": "success",
    "data": {}
}
```

共 **22个API接口**，分布在5个模块：

| 模块 | 接口数 | 功能 |
|------|--------|------|
| 认证 `/auth` | 4 | 注册、登录、获取/更新用户信息 |
| 数据 `/data` | 4 | 上传、列表、详情、删除 |
| 算法 `/algorithms` | 11 | 列表、参数、训练、调优、基准测试、预测、对比、任务管理 |
| 结果 `/results` | 3 | 列表、详情、对比 |
| 预测记录 `/predictions` | 3 | 列表、详情、删除 |

详细接口文档请访问 `/apidocs` (Swagger UI) 或查阅 [API文档](docs/api_documentation.md)。

## 算法支持

| 算法 | 类型 | 评估指标 |
|------|------|---------|
| 线性回归 | 回归 | R², MAE, MSE |
| 逻辑回归 | 分类 | 准确率, 精确率, 召回率, F1, 混淆矩阵 |
| K-means聚类 | 聚类 | 轮廓系数, SSE, 聚类中心 |
| 决策树 | 分类 | 准确率, F1, 特征重要性 |
| 朴素贝叶斯 | 分类 | 准确率, F1 |
| 随机森林 | 分类 | 准确率, F1, 特征重要性 |

## 部署

详见 [部署文档](docs/deploy_guide.md)。

## 文档

- [API接口文档](docs/api_documentation.md)
- [数据上传指南](docs/data_guide.md)
- [测试报告](docs/test_report.md)
- [汇报PPT](docs/presentation.pptx)
- [项目报告](docs/智能房价评估开发项目.docx)

## 许可证

本项目仅用于学习交流。