丙型肝炎病毒数据
包含丙型肝炎患者实验室数据的表格数据集，用于分类血液捐赠者与丙型肝炎各阶段，支持决策树生成。
基本信息
资源简介
丙型肝炎病毒数据
【一句话概览】
本数据集是 OpenML 公开的结构化表格数据集，收录 1 个文件、合计 45.12 KB，可用于统计建模、特征工程与队列分析，UCI and Institute of Clinical Chemistry, Germany 许可开放获取。
【数据集背景】
本数据集源站标题为《HCV_data》。源站首次发布：2025-02-17。
【数据内容】
源站原始描述：Abstract of the paper ( " Background: Diagnostic pathways are based on expert rules ("if...then...else"), which can be visualized as decision trees. Machine learning algorithms may be used to validate existing or to suggest potential new decision trees. Methods: We present and compare two machine learning algorithms, which automatically generate decision trees from laboratory data. The underlying functions (rpart and ctree) are included in the free statistical software environment R (www.r-proje…
文件 HCV_data.arff 为文本内容，开头为：% % % Abstract of the paper (https://jlpm.amegroups.org/article/view/4401): % % " % Background: Diagnostic pathways are based on expert rules ("if...then...els…
【数据结构与技术规格】
文件数 1 个，合计 45.12 KB。
【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.openml.org/d/46593
使用许可：UCI and Institute of Clinical Chemistry, Germany。
规范引用：Hoffmann, G., Bietenbeck, A., Lichtinghagen, R., & Klawonn, F. (2018). Using machine learning techniques to generate laboratory diagnostic pathways - a case study. Journal of Laboratory and Precision Medicine, 3(6)
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。
暂未开放公开下载
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。
免登录有偿下载
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
源站：https://www.openml.org/search?type=data&sort=runs&status=active&id=46593
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
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。
