Siva Sankar.rar
用于心脏病预测模型的数据集，实验显示小特征规模下性能更优。
基本信息
资源简介
Siva Sankar.rar
【一句话概览】
该资源标题为“Siva Sankar.rar”，含 1 个文件，合计 978 KB，分类为深度学习，标签涉及 feature selection strategies、heart ), ii，许可为 CC BY 4.0。源站原始描述称，所提出的心脏病预测模型在较小特征尺寸下表现更好，这一结论来自所进行的实验以及与前沿方法的比较（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2024-09-23。
【数据内容】
源站原始描述：The proposed heart disease prediction model performs better with smaller feature sizes, according to the conducted experiments and comparisons with the cutting-edge approaches
中文译文（机器翻译，仅供快速理解，请以原文为准）：根据所进行的实验以及与前沿方法的比较，所提出的心脏病预测模型在特征规模较小时表现更好。
【数据结构与技术规格】
文件数 1 个，合计 977.96 KB。Siva Sankar.rar：application/x-rar，977.96 KB。数据集 DOI：10.6084/m9.figshare.27088150.v1。
【主题与分类】
源站学科分类：Deep learning。主题标签：feature selection strategies、heart ), ii。
【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/Siva_Sankar_rar/27088150
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Nayak, Meghavathu S.S. (2024). Siva Sankar.rar. 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：Siva Sankar.rar
- DOI：10.6084/m9.figshare.27088150.v1
- 发布日期：2024-09-23
- 文件数：1 个
- 文件总体积：977.96 KB
- 源站页面：https://figshare.com/articles/dataset/Siva_Sankar_rar/27088150
命令行下载
curl -L -o "Siva Sankar.rar" "https://ndownloader.figshare.com/files/49361218"
文件清单
Siva Sankar.rar（977.96 KB）
文件总体积 977.96 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
The proposed heart disease prediction model performs better with smaller feature sizes, according to the conducted experiments and comparisons with the cutting-edge approaches.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.27088150.v1（source: https://figshare.com/articles/dataset/Siva_Sankar_rar/27088150）。
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。
