特点尝试

• 采用装饰器catch_error来对数据库操作函数进行装饰
• 采用javascript不定长参数对函数统一封装
• 梳理flask目录结构特点
• ajax异步请求更新进度条

遇到的一些问题

对字段进行编码之后大概有9000+差，4000+中，1200+良，675个优，可以看出数据分布是非常不平均的，在这种情况下生成的规则是极其不均匀的，只能得到课程差评之间的规则，如下图所示

解决方案

• 采用抽样的方式来生成规则，考虑到apriori算法的特殊性，它是无监督学习，因此不能简单使用上采样或下采样的方式进行优化。比较可行的方案是对于不同的成绩等级（优良中差）分别生成规则，这样使得每一类在它所包含的数据集中都比较均衡，且能生成不同级别的规则，既能充分利用数据，又解决不平衡问题
• 为了提高计算效率，将课程出现频度小于100的课程过滤掉，减少运算时间，同时有助于生成更加有效的规则

参考文章

1. Organizing your project
2. flask组件化开发：Blueprint(蓝图)
3. Javascript 函数变长参数(…rest)
4. JS中let和var的区别
5. 前端动态获取后台处理进度显示在进度条上
6. jQuery getJSON两种参数传递
7. Flask - Passing parameters to a JQuery $.getJSON callback