2型糖尿病可改变风险因素的模型预测
包含真实和合成患者数据，用于预测2型糖尿病可改变风险因素的表格数据集。
基本信息
资源简介
2型糖尿病可改变风险因素的模型预测
【数据集背景】
本数据集源站标题为《Model Prediction of T2D Modifiable Risk Factors》。源站首次发布：2025-04-11。
【数据内容】
源站原始描述：The datasets consist of real patient records exhibiting symptoms associated with type 2 diabetes. These records were thoroughly analyzed, preprocessed, and cleaned to remove duplicates and noise, resulting in high-quality data suitable for training. The data was subsequently split into approximately 80% for training and 20% for testing. The preprocessing pipeline included the application of various wavelet transforms—Real Morlet, Complex Morlet, Real Gaussian, Complex Gaussian, Mexican Hat, and…
【数据结构与技术规格】
文件数 9 个，合计 1.56 GB。
【主题与分类】
主题标签：earth and nature。
【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/liamfiunam/model-prediction-of-t2d-modifiable-risk-factors
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。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
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("liamfiunam/model-prediction-of-t2d-modifiable-risk-factors")
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 liamfiunam/model-prediction-of-t2d-modifiable-risk-factors
unzip model-prediction-of-t2d-modifiable-risk-factors.zip -d model-prediction-of-t2d-modifiable-risk-factors/
数据集大小约 0.24 GB。
数据说明
该数据集包含真实和合成的患者数据，用于预测2型糖尿病（T2D）的可改变风险因素，数据以表格形式呈现，主要用于风险因素建模和预测任务。
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))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
