癌症数据集
该数据集是一个文本模态的癌症分类数据集，包含输入文本和对应的标签，总计超过6500个样本，涵盖训练、验证和测试集，主要用于癌症相关的文本分类研究，可支持医学信息处理、疾病诊断辅助等应用场景。
基本信息
资源简介
癌症数据集
【一句话概览】
ManuelAlv/Cancer 源站共包含 3 个文件，合计大小 36.9 MB。该数据集带有 size_categories:1K<n<10K、format:parquet、modality:text、library:datasets、library:pandas、library:mlcroissant、library:polars 以及 region:us 等标签（来源 Hugging Face）。
【数据集背景】
本数据集源站标题为《ManuelAlv/Cancer》。源站首次发布：2023-12-19。
【数据结构与技术规格】
文件数 3 个，合计 36.94 MB。
【获取与许可】
源站页面：https://huggingface.co/datasets/ManuelAlv/Cancer
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("ManuelAlv/Cancer")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/ManuelAlv/Cancer
数据说明
该数据集是一个关于癌症的文本分类数据集，包含输入文本和对应的标签。数据分为训练集、验证集和测试集，分别包含3270、1962和1308个样本。数据以字符串格式存储，来源于Hugging Face平台，由ManuelAlv提供。该数据集主要用于癌症相关的文本分类研究，可应用于医学信息处理、疾病诊断辅助等场景。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
