超越点预测：带不确定性的人工代表树

数据集获取

源站：https://doi.org/10.5281/zenodo.19467860

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。

数据集大小约 3.45 GB。

数据说明

可复现性的数据与模型 本仓库包含论文Kronziel et al. (2026)“Beyond Point Prediction: Artificial Representative Trees with Uncertainty”中的模型与结果。上传内容包含三个压缩数据集合，分别对应：模拟研究、基准实验、以及在NHANES数据集上的应用。结合相关GitHub仓库（https://github.com/imbs-hl/ART_uncertainty_paper）中提供的R代码，该出版物的所有图形均可完全复现。此外，用户还可以模拟自己的数据并运行自定义实验。压缩文件内容 三个压缩档案中的每一个都包含以下组成部分：回归模型 以regression_trees为前缀的文件包含拟合的回归预测模型，包括人工代表性树（ARTs）和决策树（DTs）。概率模型 以probability_trees为前缀的文件包含拟合的概率预测模型（ARTs和DTs）。对于模拟研究和基准实验，概率是相对于0.5（均值）的阈值进行预测的。

针对NHANES应用，提供了两个单独的文件：一个用于预测高于糖尿病前期阈值的概率（糖化血红蛋白≥ 5.7），另一个用于预测高于糖尿病阈值的概率（糖化血红蛋白≥ 6.5）。结果以“results”为前缀的文件包含具有计算出的性能指标的数据框。预测概率以“pred_probabilities”为前缀的文件包含使用保形预测系统对ARTs和DTs每个终端节点的预测概率。随机森林（RF）的变量使用情况针对NHANES应用，还提供了一个额外的CSV文件，报告数据集中每个变量在相应RF中作为分割变量使用的频率（以相对频率表示）。可复现性本文中呈现的所有结果均可使用此处提供的数据和模型对象复现。

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。