Instalacja
- Ściągnąć repozytorium z Githuba
- Zainstalować Node.JS z https://nodejs.org/en
- Zainstalować Express.JS za pomocą komendy w wierszu poleceń: npm install express
- Zainstalować jsonwebtoken za pomocą komendy: npm install jsonwebtoken
- Zainstalować bodyparser za pomocą komendy: npm i --save body-parser jsonwebtoken
- npm install random-forest-classifier
- npm install csv-parser
- Wejść do folderu z aplikacją i uruchomić serwer za pomocą komendy: node app.js
System predyktuje, czy dany klient banku kwalifikuje się do otrzymania pożyczki/kredytu.
Zbiór danych: https://www.kaggle.com/datasets/janiobachmann/bank-marketing-dataset
Aplikacja webowa podzielona na 3 sekcje:
- Uwierzytelnianie - formularz z rejestracją i logowaniem
- Uczenie (dostępne jeśli zalogowano się na admina) (scenariusz pozytywny - nadpisanie starego modelu)
- admin konfiguruje parametru algorytmu i uruchamia uczenie (button "Ucz się")
- admin widzi indykator ładowania, w tym czasie na serwerze w kodzie backendowym uczony jest model
- admin otrzymuje informacje z powodzeniem operacji, wyświetlana jest aktualna dokładność oraz komunikat "czy nadpisać stary model?"
- admin wybiera nadpisanie modelu, po czym na serwer wysyłana jest informacja, że stary model ma zostać nadpisany
- Predykcja (scenariusz pozytywny)
- użytkownik wypełnia formularz (textboxy, slidery i inne zabawki)
- użytkownik klika button "Zatwierdź", po czym dane o próbce są wysyłane na serwer
- użytkownik widzi indykator ładowania, w tym czasie na serwerze predyktowany jest wynik
- wyświetlona zostaje informacja z predykcją/klasyfikacją dla danej próbki
Scenariusz negatywny to wyświetlenie błędu (złe dane, błąd serwera, itp.), wtedy wyświetlane jest okienko z kodem błędu i informacją.
