Data Mining Platform

基于前后端分离架构的数据挖掘与可视化分析网站：上传 CSV 数据、在线配置算法参数、执行分析任务，并以交互式图表呈现结果。系统集成关联规则、聚类、分类、回归四类经典数据挖掘算法，Java 后端通过 ProcessBuilder 调用 Python 脚本完成算法计算，实现异构技术栈的松耦合集成。

功能特性

模块	算法	可配置参数	可视化呈现
关联规则分析	Apriori	最小支持度、最小置信度	二阶频繁项集支持度热力图
聚类分析	K-Means	聚类数 K	PCA 降维散点图（按簇着色）
分类分析	决策树	最大深度、叶节点最少样本数	决策树结构图（含基尼系数）
回归分析	多项式回归	多项式阶数	拟合曲线叠加原始散点

其他能力：JWT 登录鉴权、CSV 上传与数据预览、请求参数校验、统一异常处理（含 Python 进程退出码校验）。

架构

flowchart LR
    A[浏览器<br/>Vue 3 + Ant Design Vue + ECharts] -->|Axios / REST API| B[Spring Boot 后端]
    B -->|CSV 保存 / 预览| C[(uploads)]
    B -->|ProcessBuilder 调用| D[Python 算法脚本<br/>pandas / scikit-learn]
    D -->|stdout JSON 结果| B
    B -->|静态图片 / JSON| A

Loading

• 前端（frontend/）：Vue 3 + Ant Design Vue 4 + ECharts 5 + Axios + Vue Router
• 后端（backend/）：Spring Boot（Java 21），REST 接口统一挂在 /api/analyze/*、/api/auth/*
• 算法层（backend/scripts/）：四个独立 Python 脚本，通过命令行参数接收输入、以 JSON 标准输出返回结果，与 Java 后端松耦合

界面与效果预览

关联规则分析页面	支持度热力图
K-Means 聚类（PCA 降维）	决策树结构可视化
回归分析页面	多项式回归拟合

快速开始

环境要求

• JDK 21、Maven 3.6+
• Node.js 16+
• Python 3.10+，安装依赖：

pip install -r backend/scripts/requirements.txt

确保 python 命令可在 PATH 中直接调用。

启动方式

前端构建产物已随仓库包含在 backend/src/main/resources/static/ 中，因此只需启动后端即可访问完整系统：

cd backend
mvn spring-boot:run

浏览器访问 http://localhost:8080 。

注意：必须在 backend/ 目录下启动。后端按 user.dir/scripts/ 定位 Python 算法脚本，更换启动目录会导致算法调用失败。

如需修改前端代码，重新构建后将其产物复制到 backend/src/main/resources/static/ 并重启后端：

cd frontend
npm install
npm run build

前端接口使用相对路径 /api，与后端同源部署；开发模式下如需 npm run serve 热更新，请在 vue.config.js 中自行配置 devServer 代理指向 8080 端口。

登录与使用

内置演示账号：admin / 123456（见 AuthController，仅作演示用途）。

登录后进入任一分析页面 → 上传 data/ 目录中的示例数据集 → 设置参数 → 执行分析。

示例数据集

文件	用途	说明
data/shopping.csv	关联规则	购物篮事务数据（每行一个事务）
data/iris2.csv	聚类 / 分类	鸢尾花数据集（150 样本、4 特征）
data/cluster_data.csv	聚类	多簇分布模拟数据
data/regression_data.csv	回归	非线性关系模拟数据

项目结构

├── backend/                # Spring Boot 后端
│   ├── src/main/java/      # Controller / Service / Config / JWT 鉴权
│   ├── scripts/            # Python 算法脚本（association / clustering / classification / regression）
│   │   └── static/         # 算法生成的图片输出（决策树等）
│   └── uploads/            # 用户上传的 CSV 数据
├── frontend/               # Vue 3 前端
│   └── src/views/          # 四个分析页面 + 登录页
├── data/                   # 示例数据集
└── docs/                   # 界面与结果截图

设计要点

• 跨语言松耦合：Python 脚本独立运行，命令行参数进、stdout JSON 出，Java 侧仅做进程编排（ProcessBuilder），算法层可独立替换与扩展
• 健壮性：进程退出码校验（非 0 即抛出异常）、请求参数校验与数据预处理、后端统一异常处理
• 静态资源映射：算法生成的图片写入 scripts/static/ 并映射为可访问的静态资源

说明

• application.yml 中的 JWT 密钥为演示配置，生产环境应替换并外置
• 本项目为课程综合实验的工程化实现，仅用于学习交流