糖尿病指令数据集（745个金标准样本）
包含745个金标准指令样本的糖尿病精准医学SFT数据集。
基本信息
资源简介
糖尿病指令数据集（745个金标准样本）
【数据集背景】
本数据集源站标题为《Diabetes Instruction Dataset (745 Gold Samples)》。源站首次发布：2026-03-11。
【数据内容】
源站原始描述：Github for the dataset: High-Fidelity Instruction Tuning Data for Clinical Diabetology This dataset is specifically engineered for Fine-Tuning (SFT) Large Language Models on medical conversations, treatment protocols, and glycemic management. While most medical datasets are noisy or unstructured, this collection has been audited to ensure clinical accuracy and natural dialogue flow. Key Technical Specifications: Total Samples: 745 (Full) / 20 (Preview provided here). Audit Process: Each sample w…
【数据结构与技术规格】
文件数 3 个，合计 65.29 KB。
【主题与分类】
主题标签：health、data analytics、data cleaning、diabetes、artificial intelligence。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/bernardosalerno/diabetes-instruction-dataset-745-gold-samples
使用许可：CC BY-NC-SA 4.0。
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("bernardosalerno/diabetes-instruction-dataset-745-gold-samples")
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 bernardosalerno/diabetes-instruction-dataset-745-gold-samples
unzip diabetes-instruction-dataset-745-gold-samples.zip -d diabetes-instruction-dataset-745-gold-samples/
数据说明
面向精准糖尿病学的金标准监督微调（SFT）数据集，包含745个高质量的指令样本，用于训练和评估糖尿病相关任务的对话模型。
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。
