项目名称

简介

本项目旨在通过Flask框架构建一个Web应用，支持数据的导入、导出以及机器学习模型的训练和预测。项目使用SQLAlchemy进行数据库操作，并集成了Celery用于异步任务处理。

环境搭建

创建Conda环境

确保已安装Anaconda。
根据environment.yml文件新建conda环境：
```
conda env create -f environment.yml
```
激活新创建的环境：
```
conda activate your_env_name
```

项目结构

app/: 包含Flask应用的主要代码。
- __init__.py: 初始化Flask应用。
- config.py: 配置文件。
- utils.py: 工具函数。
- model.py: 机器学习模型相关操作。
- tasks.py: Celery任务定义。
- celery_app.py: Celery配置。
model_optimize/: 包含数据处理和模型优化的代码。
uploads/: 用于存储上传的文件。
ssl/: 存储SSL证书和密钥。

主要功能

数据导入与导出

支持Excel和CSV格式的数据导入。
根据表名导出数据为Excel或CSV格式。

机器学习模型

支持多种机器学习模型的训练和预测。
提供模型评分功能。

异步任务

使用Celery处理异步任务。

使用方法

启动应用

激活conda环境：
```
conda activate your_env_name
```
启动Flask应用：
```
python run.py
```

启动Celery：

celery -A app.celery_app.celery worker --loglevel=info

API接口

/download_template: 下载数据模板。
/import_data: 导入数据。
/export_data: 导出数据。
/add_item: 添加记录。

配置

在app/config.py中可以修改数据库路径、上传文件夹路径等配置。

依赖

请确保已安装以下依赖：

Flask
SQLAlchemy
Celery
Pandas
Scikit-learn
XGBoost

许可证

本项目遵循MIT许可证。