基于PBCC的特征选择
基于星鱼优化和1DCNN的心脏疾病预测数据集，包含预处理与特征选择后的医疗数据。
基本信息
资源简介
基于PBCC的特征选择
【数据集背景】
本数据集源站标题为《PBCC-Based Feature Selection》。源站首次发布：2025-10-15。
【数据内容】
源站原始描述：A heart disease prediction system that integrates pre-processing techniques, feature selection, and a 1DCNN prediction method based on Starfish Optimization was reported in this paper. Following thorough testing and evaluation of real-world healthcare datasets, the suggested approach demonstrated superior prediction accuracy compared to traditional methods
【数据结构与技术规格】
文件数 1 个，合计 366.94 KB。Sangeetha.rar：application/x-rar，366.94 KB。数据集 DOI：10.6084/m9.figshare.30364186.v1。
【主题与分类】
源站学科分类：Biomechanical engineering。主题标签：disease 0。
【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://figshare.com/articles/dataset/_b_PBCC-Based_Feature_Selection_b_/30364186
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Sangeetha, Dr. Y. (2025). PBCC-Based Feature Selection. figshare. 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：<b>PBCC-Based Feature Selection</b>
- DOI：10.6084/m9.figshare.30364186.v1
- 发布日期：2025-10-15
- 文件数：1 个
- 文件总体积：366.94 KB
- 源站页面：https://figshare.com/articles/dataset/_b_PBCC-Based_Feature_Selection_b_/30364186
命令行下载
curl -L -o "Sangeetha.rar" "https://ndownloader.figshare.com/files/58756432"
文件清单
Sangeetha.rar（366.94 KB）
文件总体积 366.94 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
A heart disease prediction system that integrates pre-processing techniques, feature selection, and a 1DCNN prediction method based on Starfish Optimization was reported in this paper. Following thorough testing and evaluation of real-world healthcare datasets, the suggested approach demonstrated superior prediction accuracy compared to traditional methods.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.30364186.v1（source: https://figshare.com/articles/dataset/_b_PBCC-Based_Feature_Selection_b_/30364186）。
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。
