项目背景
本研究设计了一套由 AI 聊天机器人 + 运动手环 组成的呼吸干预，并通过随机对照试验检验其对日常压力管理的效果。
收集的数据包括：
- 问卷：基线、干预期每日测量、后测
- 手环生理数据：心率、睡眠、活动（6 周）
- 聊天文本：每周与 AI “呼吸大师”的 4 次对话
目标：基于干预组被试的这些多模态数据，构建能预测和解释干预效果的模型。
核心任务设计
任务 1：短期压力预测（30分）
- 目标：预测每天的压力水平（回归或高/低分类）。
- 输入：前几天的问卷、自评压力，手环数据（心率/睡眠等），最近一次聊天文本特征。
- 输出：次日的压力分数或高/低压力标签。
- 评估指标：MAE、RMSE、R²；如做分类则用 AUC、F1。（仅供参考）
任务 2：个体化干预效果预测（40分）
- 目标：预测某人经过干预 4 周后，压力是否显著改善（响应/非响应）。
- 输入：基线特征 + 干预早期的手环和问卷数据 + 聊天文本特征。
- 输出：个体改善幅度或响应标签。
- 评估指标：AUC、精确率/召回率；比较模型预测的效果与试验真实平均效果是否一致。（仅供参考）
任务 3：解释与展示（30分）
- 目标：解释模型“为什么”预测某人更可能改善，并做小型演示。
- 方法：特征重要性图（如 SHAP）、个体解释卡片、敏感性分析。
- 评估指标：解释合理性（是否能找到关键因素）、演示能否快速展示预测与解释。
预期成果
- 代码与模型：包含数据预处理、建模、评估的完整可运行代码。
- 演示：一个小型 Demo（如 Streamlit 或 Notebook），输入个体数据即可输出预测和解释。