糖尿病数据集
该数据集是一个包含Pima印第安人临床测量数据的表格数据集，涵盖血糖、血压、胰岛素水平等多项诊断指标，主要用于通过机器学习方法进行糖尿病患病风险的二分类预测，支持医疗诊断和疾病预测方向的研究与应用。
基本信息
模态
表格
数据量
768
任务类型
分类
许可
CC0: Public Domain
创建/更新时间
2026-06-09
资源简介
糖尿病数据集
【数据内容】
源站原始描述：该数据集最初来自美国国立糖尿病与消化与肾脏疾病研究所。数据集的目的是基于数据集中包含的某些诊断测量值来诊断预测患者是否患有糖尿病。Pima
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集最初源自美国国立糖尿病与消化及肾脏疾病研究所。其目的是根据数据集中包含的特定诊断测量指标，预测患者是否患有糖尿病。皮马
【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://tianchi.aliyun.com/dataset/163946
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（阿里天池）
- 访问源站：https://tianchi.aliyun.com/dataset/163946
- 登录阿里云/天池账号（淘宝/支付宝快捷登录）；
- 数据集详情页点击「下载」获取直链（大文件多为 oss 分片，可用
curl -L -o file <链接>下载）； - 部分竞赛数据需报名赛事后可见。
数据说明
该数据集最初来自美国国立糖尿病与消化与肾脏疾病研究所，是一个用于糖尿病诊断预测的公开医学数据集。数据集包含Pima印第安人的临床诊断测量数据，如血糖、血压、胰岛素水平等特征。数据通过医学检测收集，主要用于基于机器学习或统计模型进行糖尿病患病风险的二分类预测，可应用于医疗诊断、疾病预测和健康管理研究。
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。
