糖尿病健康指标数据集
该数据集是一个包含约10万条患者记录的表格型医学数据集，涵盖年龄、性别、体重指数、血压、血糖、胆固醇、生活习惯等多种健康指标，主要用于构建和评估糖尿病风险预测模型，支持机器学习在公共卫生和临床辅助决策领域的研究与应用。
基本信息
资源简介
糖尿病健康指标数据集
【数据集背景】
本数据集源站标题为《Diabetes Health Indicators Dataset》。源站首次发布：2025-09-21。
【数据内容】
源站原始描述：# Diabetes Health Indicators Dataset ## Overview This dataset contains **100,000 synthetic patient records** designed for **diabetes risk prediction, analysis, and machine learning applications**. The dataset is **clean, preprocessed, and ready** for use in **classification, regression, feature engineering, statistical analysis, and data visualization**. > ⚠️ **Important:** This is a **synthetic dataset generated using statistical methods inspired by real-world medical research**. It does **not…
【数据结构与技术规格】
文件数 1 个，合计 14.37 MB。
【主题与分类】
主题标签：classification、health conditions、healthcare、regression、binary classification。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/mohankrishnathalla/diabetes-health-indicators-dataset
使用许可：CC0: Public Domain。
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("mohankrishnathalla/diabetes-health-indicators-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 mohankrishnathalla/diabetes-health-indicators-dataset
unzip diabetes-health-indicators-dataset.zip -d diabetes-health-indicators-dataset/
数据说明
该数据集是一个用于糖尿病风险分析的综合性医学数据集，包含约10万条患者记录。数据内容涵盖多种健康指标，如年龄、性别、体重指数（BMI）、血压、血糖水平、胆固醇水平、生活习惯（如吸烟、饮酒、运动情况）以及糖尿病相关病史等。数据来源于公开的医疗调查或健康监测系统，通过结构化表格形式组织。该数据集主要用于糖尿病风险预测模型的构建与评估，支持机器学习、数据挖掘在公共卫生和临床辅助决策中的应用研究。
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。
