概率电路表格数据生成研究：合成数据集
每个可行组合通常包含 5 个不同训练种子生成的合成数据，可用于表格数据生成方法的对比与评估（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）
基本信息
资源简介
概率电路表格数据生成研究：合成数据集
A Sobering Look at Tabular Data Generation via Probabilistic Circuits - Generated Datasets
该数据集来自 doi.org，收录了多种表格数据生成方法生成的合成 CSV 数据，涵盖 CTGAN、TVAE、GReaT、STaSy、CoDi、TabSyn、TabDiff、TabPFN-3 以及作者提出的 FF、SM、TabPC 等方法，并包含 FF Random 用于说明 Trend 指标问题。原始数据集包括 Adult、Beijing、Default、Diabetes、Magic、News、Shoppers。每个可行组合通常包含 5 个不同训练种子生成的合成数据，可用于表格数据生成方法的对比与评估（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：包含以下方法和原始数据集的合成数据集 CSV 文件：方法：CTGAN TVAE GReaT STaSy CoDi TabSyn TabDiff TabPFN-3 FF（Fully Factorized；我们的）SM（Shallow Mixture；我们的）TabPC（我们的）（此外，它还包含由 FF Random 生成的数据，该模型用于突出第 2.2 节中指标 Trend 的问题）数据集：Adult Beijing Default Diabetes Magic News Shoppers 有关这些数据集和方法的完整描述，请参阅相关论文。如果方法无法在该数据集上运行，则某些组合会缺失。每个组合还应包含由 5 个不同训练模型种子生成的合成数据集（如果训练和生成可行）。
【主题与分类】
主题标签：Machine Learning。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23082575
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23082575
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 865.4 MB。
数据说明
包含以下方法和原始数据集的合成数据集CSV文件：方法：CTGAN TVAE GReaT STaSy CoDi TabSyn TabDiff TabPFN-3 FF（完全因子化；我们的方法）SM（浅层混合；我们的方法）TabPC（我们的方法）（此外，还包含由FF Random生成的数据，该模型用于突出第2.2节中指标Trend的问题）数据集：Adult Beijing Default Diabetes Magic News Shoppers 有关这些数据集和方法的完整描述，请参阅相关论文。如果方法无法在该数据集上运行，则某些组合会缺失。每个组合还应包含由5个不同训练模型种子生成的合成数据集（如果训练和生成可行）。
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。
