埃博拉疾病预测数据集
该数据集用于埃博拉疾病预测与临床风险评估，基于结构化的患者级临床数据构建，包含10,000条正负病例均衡的记录，共47个预测特征，目标变量为Target_Label，任务为二分类，类别为阳性与阴性且分布均衡，格式为CSV，患者标识为Patient_ID
基本信息
资源简介
埃博拉疾病预测数据集
Ebola Disease Prediction Dataset
该数据集用于埃博拉疾病预测与临床风险评估，基于结构化的患者级临床数据构建，包含10,000条正负病例均衡的记录，共47个预测特征，目标变量为Target_Label，任务为二分类，类别为阳性与阴性且分布均衡，格式为CSV，患者标识为Patient_ID。特征涵盖人口统计学、症状、暴露史、临床、实验室及医疗可及性等多个类别，可用于探究埃博拉感染相关模式，并开发机器学习模型以支持二分类、风险评估和预测性医疗应用（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2026-08-19。
【数据内容】
源站描述（机器翻译，仅供参考）：关于数据集 本数据集旨在利用结构化患者级临床数据进行埃博拉疾病预测和临床风险评估。它包含10,000条均衡记录，代表埃博拉疾病阳性与阴性病例。数据集涵盖一系列人口统计学、症状相关、暴露相关、临床、实验室和医疗可及性特征。这些属性可用于研究埃博拉感染相关模式，并开发用于二分类、风险评估和预测性医疗应用的机器学习模型。数据集特征 总记录数：10,000 总特征数：47个预测特征 目标变量：Target_Label 任务：二分类 类别：阳性与阴性 类别分布：均衡 格式：CSV 患者标识：Patient_ID 特征类别 数据集涵盖以下几个重要类别：人口统计学
【数据结构与技术规格】
文件数 1 个，合计 1.72 MB。
【主题与分类】
主题标签：tabular、data visualization、english、diseases。本站分类：感染/病毒感染。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/gowtha69/ebola-disease-prediction-dataset
使用许可：Attribution 4.0 International (CC BY 4.0)。
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
源站：https://kaggle.com/datasets/gowtha69/ebola-disease-prediction-dataset
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:
数据集大小约 1.7 MB。
数据说明
Ebola Disease Prediction Dataset Gowtham Kathirvel · Updated 2 months ago Usability 9.4 · 1 File (CSV) · 436 kB · 43 downloads · 1 notebook arrow_drop_up 0 more_horiz
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。
