糖尿病数据集-19471
用于糖尿病预测的初学者友好数据集，包含患者健康指标。
基本信息
资源简介
糖尿病数据集
【数据集背景】
本数据集源站标题为《Diabetes Dataset》。源站首次发布：2025-10-25。
【数据内容】
源站原始描述：This dataset is designed for beginners in Machine Learning who want to practice building classification models. It contains 1,000 anonymized patient records, each with medical and demographic features commonly associated with diabetes diagnosis. You can use this dataset for: • Building a Diabetes Prediction Model • Practicing Data Cleaning, Feature Engineering, and EDA • Testing algorithms like Logistic Regression, Decision Trees, or Random Forests
【数据结构与技术规格】
文件数 1 个，合计 111.50 KB。
【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://www.kaggle.com/datasets/gagan021/diabetes-dataset
使用许可：MIT。
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。
需登录公开下载
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。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("gagan021/diabetes-dataset")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d gagan021/diabetes-dataset
unzip diabetes-dataset.zip -d diabetes-dataset/
数据说明
该数据集为面向初学者的糖尿病预测数据集，包含患者的健康指标（如血糖、血压等），以表格形式存储，用于通过机器学习模型预测糖尿病患病风险。
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))
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
