数据科学聊天机器人

人工智能数据科学家聊天机器人

该项目实现了一个简单的聊天机器人，可以端到端执行常见的数据科学任务。用户通过Streamlit网络界面进行交互，可以：

• 从中选择数据集 datasets/ 文件夹。
• 检查数据集标题、形状、缺失值和基本描述性统计数据。
• 执行探索性数据分析（EDA），包括缺失值表、异常值检测和相关性热图。
• 生成基本图（直方图、方框图、折线图和散点图）。
• 使用PyCaret运行AutoML工作流（分类或回归），以自动比较多个模型并执行超参数调优。UI报告排行榜和优化后的最佳模型。

入门指南

1. 安装依赖项 创建一个新的虚拟环境（可选）并安装所需的Python包：

   复制

   python -m venv venv
   source venv/bin/activate  # On Windows use: venv\Scripts\activate
   pip install -r requirements.txt
   

2. 添加您的数据集 将您想要浏览的任何CSV或Parquet文件放入 datasets/ 文件夹。文件名（不带扩展名）将用作数据集标识符。

3. 启动AutoML服务器 后端服务器公开了一组用于列出数据集、生成图和运行PyCaret AutoML的工具。从以下内容开始：

   复制

   uvicorn servers.automl_server:server --reload --port 8000
   

4. 启动Streamlit应用程序 在单独的终端中，运行Streamlit UI：

   复制

   streamlit run app/streamlit_app.py
   

5. 通过聊天进行互动 你可以让聊天机器人执行各种操作。示例：

   • use sales --选择名为的数据集 sales.csv 在datasets文件夹中。
   • headers --列出列名。
   • shape --显示行数和列数。
   • null values --视图计数和缺失值的百分比。
   • describe --显示每列的描述性统计数据。
   • eda --运行完整的EDA（描述、缺失值、异常值、相关性热图）。
   • plot hist age --直方图 age 列。
   • scatter income vs spend --两列的散点图。
   • best model target=churn --对所选数据集和指定的目标列运行AutoML分类或回归。显示排行榜和调整后的结果。

UI以表格、图表和JSON摘要的形式显示结果。不向外部LLM发送原始数据；只有列名和数据集标识符等元数据用于意图路由。

文件

• app/streamlit_app.py --流线型UI和命令处理程序。
• backend/llm_router.py -可选的基于LLM的意图解析器（如果可用，使用OpenAI API）。
• backend/mcp_client.py --用于同步调用服务器工具的包装器。
• servers/automl_server.py --FastAPI服务器公开数据集工具和PyCaret AutoML。
• datasets/ --将CSV或Parquet文件放在此处。包括一个小例子 sales.csv.
• requirements.txt --Python依赖列表。