Golub ALL/AML 基因表达经典分类数据集
这是肿瘤分子分型和生物信息机器学习领域最著名的基准测试数据集之一。数据集包含了72个白血病患者的DNA微阵列基因表达数据（其中涵盖了急性髓系白血病和急性淋巴细胞白血病的大量基因特征）。虽然样本规模不大，但它开创了利用基因芯片进行白血病计算机辅助分类的先河，被广泛用作各类监督学习算法、降维算法在特征选择和疾病预测任务中的经典练手数据。
基本信息
模态
表格
大小
0.01 GB
数据量
72
任务类型
分类
许可
CC0
创建/更新时间
2017-01-01
资源简介
早期微阵列芯片领域的奠基性数据集，通过监测数千个基因的表达模式来准确区分急性淋巴细胞白血病(ALL)和急性髓系白血病(AML)。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
需登录公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
暂未开放有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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("crawford/gene-expression")
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 crawford/gene-expression
unzip gene-expression.zip -d gene-expression/
数据集大小约 0.01 GB。
数据说明
早期微阵列芯片领域的奠基性数据集，通过监测数千个基因的表达模式来准确区分急性淋巴细胞白血病(ALL)和急性髓系白血病(AML)。
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))
许可
CC0
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 急性髓系白血病 的高质量、多模态真实临床数据定制解决方案。
