基于机器学习的高血压预测代码
提供基于机器学习的高血压预测代码，包含算法实现与示例脚本。
基本信息
资源简介
基于机器学习的高血压预测代码
【数据集背景】
本数据集源站标题为《Code for machine learning-based hypertension prediction.》。配套论文《Optimizing hypertension prediction using ensemble learning approaches》发表于 PLOS ONE（2024），DOI：10.1371/journal.pone.0315865。源站首次发布：2024-12-23。
【数据内容】
源站原始描述：Code for machine learning-based hypertension prediction
文件 pone.0315865.s005.txt 为文本内容，开头为：## LR # Import necessary libraries import pandas as pd from sklearn.model_selection import train_test_split, GridSearchCV from sklearn.linear_model import Logi…
【数据结构与技术规格】
文件数 1 个，合计 10.36 KB。pone.0315865.s005.txt：text/x-script.python，10.36 KB。数据集 DOI：10.1371/journal.pone.0315865.s005。
【主题与分类】
源站学科分类：Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。主题标签：shapley additive explanations、interpretable risk factors、important risk factors、five machine learning、models &# 8217、xlink "> hypertension、stacking ensemble model、evaluated using accuracy、predicting htn risk、51 %, f1。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Code_for_machine_learning-based_hypertension_prediction_/28085101
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Sifat, Isteaq Kabir; Kibria, Md. Kaderi (2024). Code for machine learning-based hypertension prediction.. PLOS ONE. Dataset
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（Figshare）
- 源站标题：Code for machine learning-based hypertension prediction.
- DOI：10.1371/journal.pone.0315865.s005
- 发布日期：2024-12-23
- 文件数：1 个
- 文件总体积：10.36 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Code_for_machine_learning-based_hypertension_prediction_/28085101
命令行下载
curl -L -o "pone.0315865.s005.txt" "https://ndownloader.figshare.com/files/51360607"
文件清单
pone.0315865.s005.txt（10.36 KB）
文件总体积 10.36 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
Code for machine learning-based hypertension prediction.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0315865.s005（source: https://plos.figshare.com/articles/dataset/Code_for_machine_learning-based_hypertension_prediction_/28085101）。
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。
