疟疾严重程度数据集

疟疾患者症状与人口统计学特征数据集,用于严重程度分析。

Victor Aleruchi KalagborVictor Aleruchi Kalagbor
kaggle
2025-09-23 更新
浏览 34
表格疟疾表格
Malaria Severity Dataset

基本信息

模态
表格
大小
0.001007664 GB
许可
Apache 2.0
创建/更新时间
2025-09-23
版本
v1

资源简介

疟疾严重程度数据集

【数据集背景】

本数据集源站标题为《Malaria Severity Dataset》。源站首次发布:2025-09-23。

【数据内容】

源站原始描述:This synthetic dataset contains 30,000 records representing patients with malaria-related symptoms and basic demographic information. Each row corresponds to a simulated patient, with both clinical symptoms and demographic factors included. The target variable is Severity, which classifies patients into Mild, Moderate, or Severe malaria cases depending on the combination of symptoms. **Columns Descriptions** 1. Fever (0 = No, 1 = Yes) – Indicates presence of fever. 2. Headache (0 = No, 1 = Yes)…

【数据结构与技术规格】

文件数 1 个,合计 1.01 MB。

【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.kaggle.com/datasets/vektur/malaria-severity-dataset

使用许可:Apache 2.0。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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("vektur/malaria-severity-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 vektur/malaria-severity-dataset
unzip malaria-severity-dataset.zip -d malaria-severity-dataset/

数据说明

该数据集包含疟疾患者的症状和人口统计学特征,用于分析疟疾严重程度。数据来源于Kaggle,为结构化表格数据。

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。

获取专属数据定制方案