遗传病预测数据集
该数据集是一个用于遗传病预测的公开数据集，主要包含与遗传性眼病相关的多模态数据，可能涉及基因、临床表格等信息，旨在支持机器学习模型在遗传疾病风险评估、早期诊断和预测分析等领域的研究与应用。
基本信息
资源简介
遗传病预测数据集
【数据集背景】
本数据集源站标题为《Genetic Disease Prediction Dataset》。源站首次发布：2025-07-23。
【数据内容】
源站原始描述：This dataset is designed for a machine learning project focused on predicting five genetic diseases based on various biomedical test features. The model trained on this dataset has achieved approximately 95% accuracy. The diseases predicted by the model include: * Thalassemia * Hemophilia * Breast Cancer * Sickle Cell Anemia * Cystic Fibrosis The dataset includes the following input features, which are crucial for the predictive model, listed in order: * `Age`: Patient''s age (10–70), an integer.…
【数据结构与技术规格】
文件数 1 个，合计 56.52 KB。
【主题与分类】
主题标签：earth and nature。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/syeddanish5/genetic-disease-prediction-dataset
使用许可：CC BY-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("syeddanish5/genetic-disease-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 syeddanish5/genetic-disease-prediction-dataset
unzip genetic-disease-prediction-dataset.zip -d genetic-disease-prediction-dataset/
数据说明
该数据集是一个用于训练和评估遗传病预测模型的数据集，具体针对遗传性眼病。它包含与遗传疾病相关的特征数据，可能涉及基因、临床指标或患者信息等多模态数据，数据来源于公开的Kaggle平台。该数据集主要用于机器学习模型在遗传疾病预测、风险评估和早期诊断等研究方向的应用。
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。
