Advertisement

Oral cancer prediction dataset (包含160,292条记录, 具有11个特征) 为CSV格式文件

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
该数据集汇聚了包括全球人口最多的国家在内的口腔癌病例信息。 这一数据集合成为研究者和医疗专业人士理解口腔癌趋势的重要资源；它通过汇总主要危险因素——如年龄、性别、烟草/酒精使用习惯、社会经济状况以及诊断阶段——为用户提供详实的数据支持。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 糖尿病数据集CSV格式含770条记录（Diabetes Dataset）
    优质
    本数据集为糖尿病相关研究设计，包含770条详细记录，以CSV格式存储。每一记录均提供多项关键指标，便于分析与建模。 糖尿病是一种全球性的慢性疾病，严重影响着人们的健康状况。科研人员与医疗工作者常利用数据集来研究如何更好地理解和预防这种病症。本篇文章将详细介绍一个名为“糖尿病数据集 CSV”的资源，其中包括770条记录，涵盖其来源、内容以及潜在的应用价值。 该数据集由美国国家糖尿病、消化和肾脏疾病研究所提供，是科研领域的重要资料之一。它的主要目标在于通过一系列的诊断测量来预测患者是否患有糖尿病。每个记录代表一个个体，并包含多个特征变量，这些变量反映了患者的生理指标，有助于评估患糖尿病的风险。 CSV文件格式是一种通用的数据交换格式，特别适合于存储结构化的表格数据。“糖尿病数据集 CSV”中的每行表示一位患者的信息，而各个列则包含了各种特征和结果变量。例如，该数据集中可能包括年龄、性别、体重、身高及血压等基本信息，以及空腹血糖水平与胰岛素水平等直接关联到糖尿病的生物指标。 在770条记录中，每个个体的特征通常可以分为以下几类： 1. 基本人口统计信息：如年龄和性别。这些因素可能影响着患糖尿病的风险。 2. 生理测量值：例如体重、身体质量指数（BMI）及血压等。这些都是与糖尿病发生和发展密切相关的指标。 3. 生化标志物：包括空腹血糖水平以及糖化血红蛋白浓度，它们是诊断糖尿病的关键依据。 4. 长期并发症的迹象：如视网膜病变和肾功能情况，这些信息可以反映疾病的严重程度。 通过分析此数据集，研究者们能够探究不同特征与糖尿病患病率之间的关系，并揭示风险因素、建立预测模型或评估现有干预措施的效果。此外，该数据集规模适中，非常适合初学者进行数据分析实践，例如使用Python的Pandas库执行数据清洗和探索性数据分析（EDA），并应用机器学习算法如逻辑回归、决策树和支持向量机来构建预测模型。 总的来说，“糖尿病数据集 CSV”为研究提供了丰富的实证材料。无论是在学术领域还是临床实践中，该资源都能帮助我们更深入地了解糖尿病的成因，预测疾病的发展趋势，并可能推动新的预防和治疗策略的研发。通过CSV格式存储的数据易于处理与共享，从而促进了全球范围内的科研合作。
  • 发动机故障检测数据集（超1000条记录，11个特征）CSV
    优质
    本数据集包含超过1000条发动机运行状态记录，每个样本涵盖11项关键特征参数，旨在支持故障诊断与预测分析。格式为CSV文件。 该数据集模拟了来自各种类型发动机的传感器读数，用于检测机械系统中的发动机故障，尤其是在汽车应用中。它可以在一系列时间间隔内捕获与发动机性能、故障条件和运行模式相关的数据。 列： - 时间戳：记录数据的时间点，从2024年12月24日上午10:00开始生成，并且每5分钟记录一次。 - 温度（°C）：发动机温度范围在60°C至120°C之间，这是典型的工作环境。 - RPM（每分钟转数）：表示发动机曲轴旋转速度的数据，在正常情况下大多数发动机的RPM值介于1000到4000之间。 - 燃油效率（公里/升）：燃油消耗效率范围在15至30公里/升，反映了运行期间燃料使用情况。 - 振动X、振动Y、振动Z：沿发动机三个轴的振动读数。每个轴上的数值从0到1变化，较高的值可能指示与故障相关的异常振动。 - 扭矩（Nm）：表示发动机产生的旋转力的数据，在50至200 Nm之间。 - 功率输出（kW）：代表执行工作的速率，范围在20至100 kW之间。 - 故障条件：此字段用于分类模型的目标变量，它以整数形式表示故障的严重性： - 0: 正常 - 1: 轻微故障 - 2: 中等故障 - 3: 严重故障 - 运行模式：描述发动机运行的不同状态。可能的状态包括怠速、巡航和重负荷。 数据集特征： - 数据量为1000条记录，每一条代表引擎在特定时间点的性能快照。 - 故障条件包含从正常到严重的四个级别，有助于模型训练以预测潜在故障情况。 - 生成的数据旨在模拟典型的发动机运行状况及故障场景。 - 包含关键指标如温度、RPM值、燃油效率、振动水平、扭矩和功率输出等传感器数据。
  • 新能源汽车(NEV)故障诊断数据集(CSV格式，含11K+记录及8个特征)
    优质
    本数据集包含超过11,000条记录，涵盖新能源汽车（NEV）故障诊断所需八个关键特征的数据，以CSV格式提供。 该数据集专为新能源汽车（NEV）的故障诊断而设计，特别关注驱动系统内的故障识别与分类。它包括从车辆系统嵌入的各种传感器收集的数据，例如电压、电流、电机速度、温度、振动以及环境中的温度和湿度等信息。此数据集涵盖了正常运行状态下的数据及反映电机、逆变器和电池等关键部件出现故障时的数据。 该数据集旨在用于训练与测试深度学习模型，并特别适用于开发高级故障检测系统，以提升电动汽车的安全性和可靠性。此外，通过使用指示不同类别的标签（如0代表正常运作，1至3则表示不同的故障类型），确保了数据的平衡性。
  • 印度犯罪统计数据（2001-2013年），包含9K+条记录 CSV格式
    优质
    本数据集涵盖了2001年至2013年间印度各类犯罪活动的详细统计信息，包括超过9000个数据点，以CSV文件形式提供。 从2001年至2013年期间的犯罪数据分析涵盖了印度各州/联邦直辖区（STATE/UT）及地区（DISTRICT）的年度分类犯罪统计数据。这些数据为了解不同地区的各种报告犯罪活动提供了宝贵的信息。 具体来说，该数据集包括了以下关键信息： - 州/UT：记录犯罪行为发生的特定州或联邦直辖区。 - 区域：指明发生在各州/UT内的具体地区。 - 年份：案件被举报的年份。 此外，还详细列出了各类具体的犯罪情况： - 谋杀案和谋杀未遂事件的数量； - 不构成谋杀罪名但有罪杀人行为的数据； - 各类强奸（包括拘禁内与之外）的发生次数； - 绑架案件的总数以及针对妇女、儿童及其他人的情况具体数据； - DACOITY及其准备阶段的相关案例数，抢劫案数量等。 此外还有： - 入室盗窃和普通盗窃事件的数量； - 汽车被盗情况统计； - 各类刑事背信行为的发生次数； - 与欺骗、假冒伪劣商品有关的案件数据； - 纵火及伤害/严重伤害事件数量等。 此外，还记录了： - 嫁妆死亡案例数； - 殴打妇女以侮辱其谦虚的行为以及直接侮辱女性尊严的情况； - 丈夫或亲属对妻子施暴行为的发生次数； - 违法从国外引进女童的案件统计； - 因疏忽导致他人死亡的报告个案数目。 最后，数据还提供了： - 其他印度刑法（IPC）犯罪案件的数量； - 总体上的所有记录在册的IPC犯罪总数。
  • 送餐数据CSV文件（含45593条记录）【500010077】
    优质
    此文件包含45,593条餐饮配送数据记录。每条记录详尽描述了一次订单信息，适用于数据分析、机器学习模型训练等场景。文件格式为CSV。 送餐是一种快递服务，其中餐厅、商店或独立的送餐公司向客户运送食物。订单通常通过餐厅或杂货店的网站或移动应用程序，或者通过食品订购平台进行预订。配送物品可能包括主菜、配菜、饮料和甜点等，有时也会包含一些杂货商品，这些都会被装在盒子或袋子里交付给顾客。送餐员一般使用汽车送货上门，在家庭与餐厅距离较近的大城市中，则可能会选择自行车或者电动滑板车进行配送。 数据集包括三个文件： `train.csv`：训练集，含45593条记录供模型训练。 `test.csv`：测试集，包含11399条待预测的数据。 `Sample_Submission.csv`：提交示例。
  • 飞猪景点数据集（CSV格式，含5万多条记录）
    优质
    该数据集包含超过5万条飞猪平台上的景点信息，以CSV格式存储，便于数据分析与挖掘。内容详尽丰富，涵盖众多旅游目的地详情。 使用Python爬取飞猪网站以获取全国景点的数据。包含的字段有：序号、景点标题、封面图、销量、价格以及对应飞猪网站的地址和景点城市。
  • 加工特征数据集（Machining-feature-dataset）：包含24个类别，每类有1000个模型
    优质
    Machining-feature-dataset是一个全面的数据集合，涵盖24种类别，每个类别提供1000个详细模型，为研究和分析提供了丰富的资源。 我们开发了一个新颖的框架，使用称为FeatureNet的深度3D卷积神经网络（3D-CNN），从机械零件的CAD模型中学习加工特征。 FeatureNet能够理解大型3D模型中复杂加工特征形状的分布，并识别有助于自动识别过程的独特特征。为了训练FeatureNet，我们合成了带有标注加工特征的大规模机械零件的3D CAD模型。有关更多详细信息，请参阅我们的相关文献。
  • 近十年飞机航班数据集（CSV格式，含1.5万条记录）
    优质
    本数据集包含近十年全球航班运营信息，共计1.5万余条记录，以CSV格式呈现，涵盖航班日期、起飞降落时间、延误情况等关键指标。 标题中的“近10年飞机航班数据集 CSV 1.5W+记录”指的是一个包含大量航班信息的数据集合，以CSV格式存储，大约有15,000条记录。CSV（Comma Separated Values）是一种常见的数据交换格式，便于在不同应用程序之间交换数据。这种数据集通常用于数据分析、挖掘或机器学习任务。 该数据集中包括以下关键字段： - **航班号**：每个航班都有一个唯一的识别号，用于区分不同的飞行。 - **机型**：飞机的型号，如波音737、空客A320等，这会影响飞机的载客量、飞行距离和燃油效率。 - **出发及到达时间**：航班预计起飞和到达的具体时间，用于规划行程和计算飞行时长。 - **出发及到达省份/城市/机场**：航班的起止地点，包括省、市和具体机场，有助于了解航线网络和地理分布。 - **飞行里程**：航班的总距离，可以衡量飞行时间和消耗的燃料。 - **经纬度**：提供航班起点和终点的精确地理位置坐标，可用于地图可视化或地理分析。 - **准时率**：航班按照预定时间起飞和到达的概率，反映了航空公司的运营效率和服务质量。 - **航司**：运营该航班的航空公司，可能涉及其服务、价格策略和市场份额。 - **航班计划**：可能指的是航班的日常或季节性安排，包括频率和时刻表。 这样的数据集对于多种用途非常有用： - **市场分析**：通过分析不同航空公司的航班数量、航线分布及准时率来评估各公司在市场上的表现与竞争力。 - **乘客行为研究**：结合出发和到达城市的数据可以理解乘客流动模式，并预测热门航线及出行高峰。 - **航班优化**：通过对飞行里程和经纬度的分析，可能有助于航空公司优化飞行路线以节省燃油成本。 - **预测模型**：利用历史准时率数据构建预测模型来预估未来航班是否可能发生延误。 - **政策制定**：政府与监管机构可以使用这些信息调整航线分配或提升服务质量标准。 由于提供的文件名为“机票航班数据.xlsx”，这表明数据集可能还包含Excel版本，该格式提供了丰富的数据处理和可视化功能，如筛选、排序及图表制作等。对于初学者或需要快速分析的用户而言，这种格式更为直观。 这个数据集为研究人员、数据分析专家以及对航空业感兴趣的用户提供了一个全面且宝贵的资源，通过清洗与整理这些信息可以获取有关航空市场的深度见解，并推动决策制定和业务优化。
  • CSV格式的金融欺诈检测数据集含104万+条记录
    优质
    本数据集包含超过104万条记录，采用CSV格式存储，专为金融欺诈检测设计，涵盖多种交易类型与特征信息，助力模型训练及算法优化。 该数据集展示了移动货币交易的全面表示，并经过精心设计以反映现实世界金融活动中的复杂性以及欺诈行为的研究目的。此数据来源于名为PaySim的模拟器，利用了非洲某国实际财务日志中汇总的数据来填补公开可用金融数据集中用于检测欺诈研究方面的空白。它涵盖了多种类型的交易，包括现金存入、兑现输出、借记、支付和转账等，并为评估各种欺诈检测方法提供了一个全面的环境。 **数据集结构** - **step：** 表示现实世界中的时间单位，1 步等于 1 小时；整个模拟历时744步，相当于30天。 - **type：** 包括CASH-IN、CASH-OUT、BIT-OUT、PAYMENT 和 TRANSFER等交易类型。 - **amount：** 表示以当地货币单位表示的每笔交易金额。 - **nameOrig：** 发起该笔交易的客户名称。 - **oldbalanceOrg：** 代表发起方在进行特定操作前账户中的余额。 - **newbalanceOrig：** 指的是执行完相关操作后，发起方账户的新余额。 - **nameDest：** 接收这笔交易的客户的标识符（或称目的地）。 - **oldbalanceDest：** 表示接收方在收到资金前的账户余额。对于以M表示商家身份的客户而言，此字段不适用。 - **newbalanceDest：** 收到转账后的新收款人账户余额；同样地，如果交易涉及的是一个标识为“M”的实体，则该信息不被提供。 - **isFraud：** 标识由欺诈代理执行的那些企图通过诸如提现或转移等操作来耗尽客户资金的行为。 - **isFlaggedFraud：** 用于标记账户间未经授权的大额转账行为，任何单笔金额超过20万单位货币的交易都被视为非法。
  • 美国主要城市果蔬价格数据集（CSV格式，含1.5万条记录）
    优质
    本数据集提供了美国各大城市的果蔬价格信息，包含1.5万余条记录，以CSV格式存储，便于数据分析和研究。 该数据集全面分析了不同城市各种新鲜农产品的零售价与农场价格。时间跨度从1999年至2019年，涵盖了亚特兰大、芝加哥、洛杉矶以及纽约等主要城市的商品名称、日期、农场价格及零售价格信息。 此数据集中包含了一系列流行的农产品种类，例如草莓、莴苣（包括红叶莴苣）、土豆、橙子、卷心菜（如卷心莴苣和绿叶莴苣）、芹菜、花椰菜、胡萝卜、哈密瓜以及西兰花的不同品种（如西兰花冠与西兰花串）等。