早期糖尿病风险预测数据集
用于早期糖尿病风险预测的表格数据集，包含患者年龄、性别、BMI、血糖等特征。
基本信息
资源简介
早期糖尿病风险预测数据集
【数据集背景】
本数据集源站标题为《Early stage diabetes risk prediction dataset》。源站首次发布：2021-09-23。
【数据内容】
源站原始描述：### Context Abstract: This dataset contains the sign and symptpom data of newly diabetic or would be diabetic patient. ### Content * Data Set Characteristics: Multivariate * Number of Instances: 520 * Area: Computer * Attribute Characteristics: N/A * Number of Attributes: 17 * Date Donated 2020-07-12 * Associated Tasks: Classification * Missing Values? Yes * Number of Web Hits: 66748 ### Source: 1. M M Faniqul Islam, 2. Rahatara Ferdousi, 3.Sadikur Rahman, and Humayra 4.Yasmin Bushra 1. Queen Ma…
【数据结构与技术规格】
文件数 1 个，合计 34.68 KB。
【主题与分类】
主题标签：diabetes、categorical、healthcare、binary classification、decision tree、bayesian statistics。
【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/yasserhessein/early-stage-diabetes-risk-prediction-dataset
使用许可：Unknown。
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("yasserhessein/early-stage-diabetes-risk-prediction-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 yasserhessein/early-stage-diabetes-risk-prediction-dataset
unzip early-stage-diabetes-risk-prediction-dataset.zip -d early-stage-diabetes-risk-prediction-dataset/
数据说明
该数据集用于早期糖尿病风险预测，包含患者年龄、性别、BMI、血糖等特征，以表格形式存储，适用于分类任务，旨在预测个体是否患有糖尿病。
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。
