# 赛题背景
在GPS信号无法覆盖的室内环境（如商场、办公楼），基于WiFi信号强度（RSSI）的指纹定位是一种主流技术。本赛题基于著名的 **UJIIndoorLoc** 数据集，要求同学们利用机器学习算法，分析不同位置接收到的WiFi信号特征，识别用户所在的具体区域。

# 任务描述
你需要处理高维的WiFi信号数据。虽然这是一个带有标签的预测任务（预测区域ID），但我们鼓励同学们探索**无监督学习（聚类）**方法来分析数据的内在结构，例如：
1.  能否通过聚类算法（K-Means, DBSCAN）自动将信号点分组成不同的簇？
2.  利用降维技术（PCA, t-SNE）可视化这些高维信号。
3.  最终建立分类模型，预测测试集中每个样本的 `target`。

# 评价指标
本次比赛使用 **Accuracy (准确率)** 作为量化排名的唯一指标。
但请注意，期末成绩由 **排名(50%)** 和 **实验报告(50%)** 构成。如果你的模型准确率极高但报告逻辑不清，总成绩依然会受影响。

# 提交规则
1.  **组队要求**：每队至多 3 人。
2. **提交限制**：每队每天最多提交 5 次。（请珍惜提交机会，避免针对 Public Leaderboard 过拟合）。
3. **代码规范**：比赛结束后需提交 Notebook 代码及运行日志进行查重，严禁抄袭 。

# 报告要求
根据课程要求，你的报告应包含：
* **数据分析**：描述数据的特点（如稀疏性、分布情况）。
* **方法阐述**：逻辑清晰地展示你解决问题的过程（预处理、模型选择、调参）。
* **失败尝试**：如果尝试了某种方法（如某种聚类算法）效果不佳，请分析原因，这也是报告加分项 。