国际未见测试数据集上NTM感染率的随机森林模型预测结果
包含随机森林模型在国际未见测试数据集上对NTM感染率的预测结果，用于NTM感染率预测评估。
基本信息
资源简介
国际未见测试数据集上NTM感染率的随机森林模型预测结果
【一句话概览】
本数据集含1个文件，合计11.4 KB，采用CC BY 4.0许可。内容为随机森林模型预测NTM感染率在国际未见测试数据集上的结果。标签涉及水处理方法、随机森林回归器、显著区域变异、未来10年、影响健康结果、高死亡率、统计显著增加、预估气候变化、关联气候变量、增加可用数据及相关NTM趋势。分类覆盖生物技术、环境科学其他、生态学、生物科学其他、科学政策、传染病与计算生物学（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
本数据集源站标题为《Results of random forest model predictions of NTM infection rates on international unseen test dataset.》。配套论文《Forecasting climate-associated non-tuberculous mycobacteria (NTM) infections in the UK using international surveillance data and machine learning》发表于 PLOS Global Public Health（2024），DOI：10.1371/journal.pgph.0003262。源站首次发布：2024-08-19。
【数据内容】
源站原始描述：Results of random forest model predictions of NTM infection rates on international unseen test dataset
中文译文（机器翻译，仅供快速理解，请以原文为准）：随机森林模型对NTM感染率在国际未见过的测试数据集上的预测结果。
【数据结构与技术规格】
文件数 1 个，合计 11.36 KB。pgph.0003262.s006.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，11.36 KB。数据集 DOI：10.1371/journal.pgph.0003262.s006。
【主题与分类】
源站学科分类：Biotechnology、Environmental Sciences not elsewhere classified、Ecology、Biological Sciences not elsewhere classified、Science Policy、Infectious Diseases。主题标签：water treatment methods、random forest regressor、random forest model、notable regional variation、next 10 years、impact health outcomes、high mortality rates、statistically significant increases、projected climate change、linked climate variables。
【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://plos.figshare.com/articles/dataset/Results_of_random_forest_model_predictions_of_NTM_infection_rates_on_international_unseen_test_dataset_/26782736
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Campbell, Amy Marie; Willis, Katy; Parsons, Edward (2024). Results of random forest model predictions of NTM infection rates on international unseen test dataset.. PLOS Global Public Health. Dataset
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（Figshare）
- 源站标题：Results of random forest model predictions of NTM infection rates on international unseen test dataset.
- DOI：10.1371/journal.pgph.0003262.s006
- 发布日期：2024-08-19
- 文件数：1 个
- 文件总体积：11.36 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Results_of_random_forest_model_predictions_of_NTM_infection_rates_on_international_unseen_test_dataset_/26782736
命令行下载
curl -L -o "pgph.0003262.s006.xlsx" "https://ndownloader.figshare.com/files/48656027"
文件清单
pgph.0003262.s006.xlsx（11.36 KB）
文件总体积 11.36 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
Results of random forest model predictions of NTM infection rates on international unseen test dataset.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pgph.0003262.s006（source: https://plos.figshare.com/articles/dataset/Results_of_random_forest_model_predictions_of_NTM_infection_rates_on_international_unseen_test_dataset_/26782736）。
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。
