Тип студента по активности [PCA]

Студенты носят умные браслеты, которые собирают множество показателей: шаги, сон, встречи, сообщения и разные “шумные” сенсоры.
Исследователи предполагают, что за всей этой статистикой стоят несколько скрытых факторов поведения, например:

• уровень физической активности,
• уровень усталости/выгорания,
• уровень социальной активности.

Часть студентов при этом ведёт себя как “спортсмены”, часть — как “уставшие” (много спят, отмечают высокий fatigue_score), часть — как “очень социальные”.

Вам необходимо по данным трекера предсказать тип студента.

Целевая переменная

persona_class — тип (класс) студента:

• 0 — преимущественно активный (много движения, умеренная усталость, не обязательно супер-социальный)
• 1 — преимущественно уставший (выраженная усталость, сон/прерывания сна, низкая активность)
• 2 — преимущественно социальный (много общения, встреч, времени с друзьями)

(В данных есть небольшой шум: не все студенты идеально “чистые типы”.)

Признаки

Каждая строка — один студент.

Основные признаки:

• steps_daily — количество шагов в день
• stairs_climbed — количество подъёмов по лестнице

• walking_minutes — время ходьбы за день

• sleep_hours — часы сна

• sleep_interruptions — количество прерываний сна

• fatigue_score — субъективная усталость

• messages_sent — количество отправленных сообщений за день

• meetings_count — число встреч/совместных активностей
• time_with_friends — время, проведённое с друзьями

Дополнительно есть несколько слабосвязанных/шумовых признаков:

• sensor_noise_0, sensor_noise_1, … — дополнительные “сырые” показатели, не имеющие явной интерпретации

Также есть:

• id — идентификатор студента

Формат файлов

train.csv

Содержит обучающую выборку:

• id
• все признаки (активность, сон, социальность, sensor_noise_*)
• persona_class — целевая переменная (0, 1 или 2)

test.csv

Содержит тестовую выборку:

• id
• все признаки (без persona_class)

sample_submission.csv

Шаблон отправки решения:

• id
• persona_class — сюда нужно записать ваши предсказания классов (0/1/2) для объектов из test.csv

answer.csv

Файл с правильными ответами для объектов из test.csv (используется для автоматической проверки по метрике accuracy).

Задача

Построить модель, которая по данным трекера предсказывает тип студента persona_class.

Рекомендуемый путь решения:

1. Масштабировать признаки (StandardScaler или аналог).
2. Выполнить PCA:
3. посмотреть, сколько главных компонент объясняют 80–90% дисперсии;
4. визуализировать студентов в пространстве первых 2–3 компонент;
5. посмотреть на вклад исходных признаков в компоненты (какие связаны с активностью, какие с усталостью, какие с социалкой).
6. Обучить простой классификатор (например, логистическую регрессию, SVM или дерево)
   в пространстве исходных признаков и/или в пространстве главных компонент.
7. Оценить качество по метрике accuracy на валидации.
8. Сделать предсказания для test.csv и сохранить их в формате sample_submission.csv.

Цель

Через эту задачу вы:

• увидите, как PCA умеет восстанавливать скрытые факторы из набора коррелированных признаков;
• научитесь использовать PCA не только для визуализации, но и как часть пайплайна (PCA → классификатор);
• потренируетесь в работе с многомерными данными, где “смысла” больше, чем признаков.