Reservoir流行病模拟数据集
大规模模拟流行病数据集，包含50万暴发轨迹，用于流行病学模型训练与评估。
基本信息
资源简介
Reservoir是由密歇根大学创建的大规模模拟流行病数据集，旨在为流行病学模型的训练和评估提供标准化数据。该数据集包含500,000个暴发轨迹，覆盖十亿模拟天，提供了真实感染数、时变再生数、反事实干预效果等完整标签。数据通过随机模拟器生成，包含真实噪声和报告伪影，并支持可配置的干预策略。该数据集主要用于反事实实验、监测系统设计研究以及大规模流行病模型训练，以解决真实世界数据规模不足的问题。
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。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
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
git clone https://github.com/micom-hub/Reservoir.git
curl -L -o repo.zip https://github.com/micom-hub/Reservoir/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Installation
Reservoir contains C++ that has to be compiled on your machine, so you need a compiler:
| OS | what to run |
|---|---|
| macOS | xcode-select install in Terminal |
| Windows | install Rtools from CRAN, matching your R version |
| Linux | sudo apt install r-base-dev |
Downloading Reservoir through Github
There are 2 ways to download Reservoir.
In R:
install.packages("remotes")
remotes::install_github("micom-hub/Reservoir")
You can also directly download Reservoir-main as a ZIP from GitHub (green Code button to Download ZIP) and unzip it. That folder is the package.
Then in R:
install.packages("Rcpp")
install.packages(path.expand("~/Downloads/Reservoir-main"),
repos = NULL, type = "source")
Restart R
Session: Restart R (Ctrl/Cmd+Shift+F10) or go to the session tab at the top and select Restart R.
Load Library
In R:
library(Reservoir)
<br><br><br>
© 2025 The Regents of the University of Michigan and Carson Dudley, Reiden Magdaleno, and Marisa Eisenberg.
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))
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 感染性疾病 的高质量、多模态真实临床数据定制解决方案。
