腰痛分类可解释机器学习模型数据集
用于腰痛分类的可解释机器学习模型分析代码数据集。
基本信息
资源简介
腰痛分类可解释机器学习模型数据集
【一句话概览】
本资源标题为“使用功能生理变量对下背痛状态进行分类的可解释机器学习模型”，原始描述为“用于运行分析并生成研究结果的代码”。文件数为1，文件合计大小为24.3 MB（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《Interpretable machine learning models for classifying low back pain status using functional physiological variables.》。源站首次发布：2019-09-23。
【数据内容】
源站原始描述：Codes used to run the analysis and produce the results of the study
中文译文（机器翻译，仅供快速理解，请以原文为准）：用于运行分析并得出研究结果的代码
【数据结构与技术规格】
文件数 1 个，合计 24.33 MB。数据集 DOI：10.17632/stbx779nt6.2。
【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://data.mendeley.com/datasets/stbx779nt6
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://data.mendeley.com/datasets/stbx779nt6
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))
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
