DeepInsight 系列 04：数据集可视化先回答数据是否可用#

模块定位#

推荐系统评估依赖数据质量。数据格式混乱、字段缺失或样本异常时，直接进入模型训练和指标分析没有意义。DeepInsight 把数据集页面放在性能看板之前，就是为了先回答“这份数据能不能看懂”。

最终报告中也强调，上传数据集当前主要进入预览和基线评估流程，不自动触发全部深度模型重新训练。这个边界可以避免用户误以为上传一个文件就完成了完整训练。

上传流程#

页面支持 CSV 和 ZIP 等文件类型。CSV 文件进入字段解析、样本预览、统计摘要和图表选择流程；ZIP 文件进入压缩包条目统计，展示文件结构和大小分布。

前端负责文件选择、上传进度、字段选择和图表配置。后端负责保存上传记录、解析列名、读取样本行并返回结构化摘要。两边的职责分开后，页面可以展示数据状态，而不是只显示上传成功。

字段与样本#

数据预览是这个页面的基础。用户需要先看到列名、样本行、字段类型和缺失情况，才能判断后续图表是否有意义。对于推荐系统数据，用户、物品、时间、评分或行为字段都可能影响分析方式。

如果字段无法识别，页面应该给出提示，而不是强行生成图表。错误的数据结构会让可视化结果看起来完整，但实际没有解释价值。

图表分析#

CSV 数据可以生成表格、直方图、散点图、相关性热力图和 PCA 投影视图。这些图表用于观察分布、异常值、字段关系和样本结构。

图表结果只能说明上传数据本身，不能直接说明模型效果。模型效果仍然需要由评估记录、日志或后续任务产生。这个边界在博客中必须写清楚，否则数据可视化会被误读成性能评估。

数据记录#

后台会保存上传数据集的摘要信息，便于后续在管理员页面查看。前台负责用户操作和预览，后台负责数据资产管理和审计，两者形成对应关系。

后续如果扩展异步离线评估，可以把上传记录、评估任务、指标结果和模型版本串起来。当前阶段先把上传、解析、预览和统计做好，是更稳的实现顺序。

异常处理#

数据集页面需要处理文件过大、格式不支持、字段为空、解析失败和图表无法生成等情况。异常提示应说明失败位置，而不是简单给出“上传失败”。

对课程项目来说，异常状态同样是实现结果的一部分。它说明系统不仅考虑成功路径，也考虑了用户上传真实文件时可能遇到的问题。

阶段结论#

数据集实时可视化页解决的是数据入口问题。它让用户在进入性能看板之前先检查数据结构，并通过图表理解样本特征。这个页面的核心不是炫图表，而是把数据能否被理解这件事讲清楚。