ALARM和CHILD基准数据集

包含ALARM(重症监护监测)和CHILD(先天性心脏病诊断)两个贝叶斯网络基准的样本数据,用于评估结构学习与参数估计算法。

IEEE DataPortIEEE DataPort
DataCite Commons
2026-01-05 更新
浏览 20
表格先天性心脏病表格
Benchmark Datasets for Bayesian Network Learning: ALARM and CHILD

基本信息

模态
表格
大小
0.0137497 GB
创建/更新时间
2026-01-05

资源简介

ALARM和CHILD基准数据集

【数据内容】

源站原始描述:This data repository contains three benchmark datasets designed for evaluating Bayesian Network structure learning, causal discovery, and feature selection algorithms. It includes two classic synthetic benchmarks, ALARM and CHILD, and one real-world industrial dataset, TCU_Molding. The ALARM network was originally designed for monitoring patients in intensive care (Beinlich et al., 1989), consisting of 37 nodes and 46 arcs. The CHILD network is a probabilistic expert system for diagnosing congen…

中文译文(机器翻译,仅供快速理解,请以原文为准):该数据存储库包含三个基准数据集,旨在评估贝叶斯网络结构学习、因果发现和特征选择算法。它包括两个经典合成基准数据集 ALARM 和 CHILD,以及一个真实世界工业数据集 TCU_Molding。ALARM 网络最初设计用于监测重症监护患者(Beinlich et al., 1989),由 37 个节点和 46 条弧组成。CHILD 网络是一个用于诊断先天性心脏病的概率专家系统(Spiegelhalter and Cowell, 1992),包含 20 个节点和 25 条弧。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://ieee-dataport.org/documents/dataan-interleaved-deletion-markov-boundary-discovery-algorithm-robust-causal-feature

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

源站:https://ieee-dataport.org/documents/dataan-interleaved-deletion-markov-boundary-discovery-algorithm-robust-causal-feature

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

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。

获取专属数据定制方案