# EasyML Studio - 零代码机器学习平台

**Repository Path**: ma0513207162/easy-ml-studio

## Basic Information

- **Project Name**: EasyML Studio - 零代码机器学习平台
- **Description**: 🎯 让机器学习触手可及 - 一个简单易用的零代码机器学习平台，让每个人都能轻松构建和部署机器学习模型。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-09-03
- **Last Updated**: 2025-09-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 数据可视化, Python

## README

# 🚀 EasyML Studio - 零代码机器学习平台

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![Python](https://img.shields.io/badge/python-3.8+-blue.svg)](https://www.python.org/downloads/)
[![Flask](https://img.shields.io/badge/flask-2.0+-green.svg)](https://flask.palletsprojects.com/)
[![scikit-learn](https://img.shields.io/badge/sklearn-1.2+-orange.svg)](https://scikit-learn.org/)
[![GitHub stars](https://img.shields.io/github/stars/ma0513207162/easyml-studio.svg)](https://github.com/ma0513207162/easyml-studio/stargazers)

> 🎯 **让机器学习触手可及** - 一个简单易用的零代码机器学习平台，让每个人都能轻松构建和部署机器学习模型。

[在线演示](https://easyml-studio-demo.herokuapp.com) | [快速开始](#快速开始) | [文档](docs/) | [示例](examples/)

---

## ✨ 特性

### 🔥 核心功能
- **📊 智能数据分析** - 自动化的探索性数据分析（EDA）
- **🛠️ 零代码建模** - 拖拽式界面，无需编程经验
- **📈 可视化洞察** - 丰富的图表和统计分析
- **🤖 自动机器学习** - 智能算法选择和超参数优化
- **🚀 一键部署** - 模型即时部署为 REST API
- **📋 模型对比** - 多算法性能对比分析

### 🎨 用户体验
- **🖱️ 拖拽上传** - 支持 CSV、Excel、JSON 等格式
- **📱 响应式设计** - 完美适配移动端和桌面端
- **⚡ 实时预览** - 即时查看数据处理结果
- **💾 项目管理** - 保存和管理多个 ML 项目

## 🎬 快速预览

![EasyML Studio Demo](./static/demo.png)

## 🚀 快速开始

### 环境要求
- Python 3.8+
- 4GB+ RAM 推荐

### 🐍 方式一：Python 安装

```bash
# 克隆项目
git clone https://github.com/ma0513207162/easyml-studio.git
cd easyml-studio

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

# 安装依赖
pip install -r requirements.txt

# 启动应用
python app.py
```

访问 http://localhost:5000 开始使用！

### 🐳 方式二：Docker 安装

```bash
# 构建并运行
docker build -t easyml-studio .
docker run -p 5000:5000 easyml-studio
```

### ☁️ 方式三：在线体验

直接访问我们的 [在线演示](https://easyml-studio-demo.herokuapp.com)，无需安装！

## 📖 使用教程

### 1️⃣ 上传数据
```python
# 支持的数据格式
✅ CSV (.csv)
✅ Excel (.xlsx, .xls) 
✅ JSON (.json)
✅ TSV (.tsv)
```

### 2️⃣ 数据探索
- **📊 自动统计摘要** - 数据类型、缺失值、分布统计
- **📈 可视化分析** - 相关性热图、分布图、箱线图
- **🔍 异常检测** - 自动识别异常值和数据质量问题

### 3️⃣ 模型训练
```python
# 支持的算法
🔹 分类: 逻辑回归、随机森林、SVM、梯度提升
🔹 回归: 线性回归、岭回归、随机森林回归
🔹 聚类: K-Means、层次聚类、DBSCAN
🔹 降维: PCA、t-SNE、UMAP
```

### 4️⃣ 模型评估
- **📊 性能指标** - 准确率、精确率、召回率、F1-score
- **📈 可视化评估** - ROC 曲线、混淆矩阵、学习曲线
- **🔍 特征重要性** - 了解哪些特征最重要

### 5️⃣ 模型部署
```bash
# 自动生成 API 端点
POST /api/predict
Content-Type: application/json

{
  "features": [1.2, 3.4, 5.6, 7.8]
}
```

## 🏗️ 项目结构

```
easyml-studio/
├── 📁 app/
│   ├── 🐍 __init__.py
│   ├── 🌐 routes/              # Flask 路由
│   ├── 🤖 models/              # ML 模型定义
│   ├── 📊 data_processing/     # 数据处理模块
│   ├── 📈 visualization/       # 可视化模块
│   └── 🛠️ utils/              # 工具函数
├── 🎨 static/                  # 静态资源
│   ├── 🎨 css/
│   ├── 📜 js/
│   └── 🖼️ images/
├── 📄 templates/               # HTML 模板
├── 📊 examples/                # 示例数据集
├── 📖 docs/                    # 文档
├── 🧪 tests/                   # 测试文件
├── 🐳 Dockerfile
├── ⚙️ requirements.txt
└── 🚀 app.py                   # 应用入口
```

## 🎯 示例项目

### 🏠 房价预测
```python
# 使用波士顿房价数据集
1. 上传 boston_housing.csv
2. 选择回归任务
3. 目标变量: price
4. 自动特征工程
5. 一键训练多模型
6. 部署最佳模型
```

### 🌸 鸢尾花分类
```python
# 经典分类案例
1. 上传 iris.csv
2. 选择分类任务  
3. 目标变量: species
4. 可视化特征分布
5. 训练分类器
6. 评估模型性能
```

更多示例请查看 [`examples/`](examples/) 目录。

## 🛠️ 技术栈

| 类别         | 技术         | 版本  | 用途          |
| ------------ | ------------ | ----- | ------------- |
| **后端**     | Flask        | 2.3+  | Web 框架      |
| **数据处理** | Pandas       | 2.0+  | 数据操作      |
| **数值计算** | NumPy        | 1.24+ | 数值计算      |
| **机器学习** | Scikit-learn | 1.3+  | ML 算法       |
| **可视化**   | Matplotlib   | 3.7+  | 图表绘制      |
| **可视化**   | Plotly       | 5.15+ | 交互图表      |
| **前端**     | Bootstrap    | 5.3   | UI 框架       |
| **前端**     | jQuery       | 3.6   | JavaScript 库 |

## 📊 性能基准

| 数据集大小 | 加载时间 | 训练时间 | 内存使用 |
| ---------- | -------- | -------- | -------- |
| 1K 行      | < 1s     | < 5s     | < 100MB  |
| 10K 行     | < 3s     | < 30s    | < 500MB  |
| 100K 行    | < 10s    | < 2min   | < 2GB    |
| 1M 行      | < 30s    | < 10min  | < 8GB    |

## 🔧 配置选项

创建 `config.py` 文件自定义配置：

```python
class Config:
    # 基础配置
    SECRET_KEY = 'your-secret-key'
    UPLOAD_FOLDER = 'uploads'
    MAX_CONTENT_LENGTH = 100 * 1024 * 1024  # 100MB
    
    # 数据库配置（可选）
    DATABASE_URL = 'sqlite:///easyml.db'
    
    # ML 配置
    MAX_FEATURES = 1000
    DEFAULT_TEST_SIZE = 0.2
    CV_FOLDS = 5
```

## 🤝 贡献指南

我们欢迎所有形式的贡献！🎉

### 🐛 报告 Bug
使用 [GitHub Issues](https://github.com/ma0513207162/easyml-studio/issues) 报告问题

### 💡 功能建议
1. 查看 [现有 Issues](https://github.com/ma0513207162/easyml-studio/issues)
2. 创建新的 Feature Request
3. 详细描述功能需求

### 🔧 代码贡献
```bash
# 1. Fork 项目
# 2. 创建功能分支
git checkout -b feature/amazing-feature

# 3. 提交改动
git commit -m 'Add amazing feature'

# 4. 推送到分支
git push origin feature/amazing-feature

# 5. 创建 Pull Request
```

### 📋 开发环境设置
```bash
# 安装开发依赖
pip install -r requirements-dev.txt

# 运行测试
python -m pytest tests/

# 代码格式化
black app/
isort app/

# 类型检查
mypy app/
```

## 🧪 测试

```bash
# 运行所有测试
python -m pytest

# 运行特定测试
python -m pytest tests/test_models.py

# 生成覆盖率报告
python -m pytest --cov=app tests/
```

## 📈 路线图

### 🎯 v1.0 (当前版本)
- ✅ 基础数据上传和预处理
- ✅ 常用 ML 算法支持
- ✅ 模型评估和可视化
- ✅ 简单 API 部署

### 🚀 v1.1 (计划中)
- 🔄 自动特征工程
- 🔄 深度学习模型支持
- 🔄 时间序列分析
- 🔄 模型解释性分析

### 🌟 v2.0 (未来版本)
- ⏳ 分布式训练支持
- ⏳ 实时数据流处理
- ⏳ 云端部署集成
- ⏳ 协作功能

## 📜 更新日志

### v1.0.0 (2025-09-03)
- 🎉 首次发布
- ✨ 完整的 ML 工作流支持
- 📊 丰富的可视化功能
- 🚀 一键模型部署

查看完整的 [更新日志](CHANGELOG.md)

## 🙏 致谢

特别感谢以下开源项目：
- [Flask](https://flask.palletsprojects.com/) - 出色的 Python Web 框架
- [Scikit-learn](https://scikit-learn.org/) - 强大的机器学习库
- [Pandas](https://pandas.pydata.org/) - 数据处理的瑞士军刀
- [Plotly](https://plotly.com/) - 美观的交互式图表

## 📞 联系方式

- **作者**: ma0513207162
- **Email**: your-email@example.com
- **GitHub**: [@ma0513207162](https://github.com/ma0513207162)
- **讨论**: [GitHub Discussions](https://github.com/ma0513207162/easyml-studio/discussions)

## 📄 许可证

本项目采用 [MIT 许可证](LICENSE) - 查看 LICENSE 文件了解详情。

---

## ⭐ 如果这个项目对您有帮助，请给我们一个 Star！

**让机器学习变得简单易用，让每个人都能成为数据科学家！** 🚀

---