BRACIS 投稿论文所用数据集：无需模型训练的多变量可分性指数特征选择
该数据集为提交至 BRACIS 的论文所用基准数据，包含 20 个公开分类数据集，覆盖医疗健康、农业与食品质量、信号与模式识别等多个领域，在维度、样本量、类别分布和应用场景上具有多样性
基本信息
资源简介
BRACIS 投稿论文所用数据集：无需模型训练的多变量可分性指数特征选择
Dataset used in the article submitted to BRACIS: A model-agnostic multivariate separability index for feature selection without model training.
该数据集为提交至 BRACIS 的论文所用基准数据，包含 20 个公开分类数据集，覆盖医疗健康、农业与食品质量、信号与模式识别等多个领域，在维度、样本量、类别分布和应用场景上具有多样性。数据以 CSV 格式提供，可直接用于机器学习、特征选择与统计评估，尤其适合在类别重叠、特征冗余和噪声等不同统计条件下检验所提出的 Model-Agnostic Multivariate Separability Index（MSI）（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-05-04。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究使用的基准数据集由 20 个公开可用的分类数据集组成，选取时确保在维度、样本量、类别分布和应用领域方面具有多样性。这些数据集跨越多个领域，包括医疗健康（如 Alzheimer Disease、Breast Cancer Wisconsin、Cardiovascular Disease 和 Fetal Health）、农业与食品质量（如 Dry Bean、Date Fruit、Raisin 和 Rice），以及信号与模式识别任务（如 Sonar、Ionosphere、Image Segmentation 和 Pen-Based Digits）。这种异质性使得能够在不同的统计条件下，包括不同水平的类别重叠、特征冗余和噪声，对所提出的 Model-Agnostic Multivariate Separability Index（MSI）进行全面评估。数据集以 CSV 格式提供，可直接用于机器学习、特征选择和统计
【数据结构与技术规格】
文件数 20 个，合计 75.03 MB。数据集 DOI：10.6084/m9.figshare.32156895.v1。
【主题与分类】
源站学科分类：Adversarial machine learning。主题标签：Dataset、classification、machine learning。本站分类：肿瘤/乳腺癌。
【适用方向】
源站学科分类标注为 Adversarial machine learning。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Dataset_used_in_the_article_submitted_to_BRACIS_A_model-agnostic_multivariate_separability_index_for_feature_selection_without_model_training_/32156895
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：lima, gabriel (2026). Dataset used in the article submitted to BRACIS: A model-agnostic multivariate separability index for feature selection without model training.. figshare. 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://doi.org/10.6084/m9.figshare.32156895
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 75.0 MB。
数据说明
本研究使用的基准数据集包含20个公开可用的分类数据集，选取时确保其在高维性、样本量、类别分布和应用领域方面具有多样性。这些数据集跨越多个领域，包括医疗健康（如阿尔茨海默病、威斯康星乳腺癌、心血管疾病和胎儿健康）、农业与食品质量（如干豆、椰枣、葡萄干和大米），以及信号与模式识别任务（如声纳、电离层、图像分割和基于笔的数字）。这种异质性使得能够在各种统计条件下对所提出的模型无关多变量可分性指数（MSI）进行全面评估，包括不同程度的类别重叠、特征冗余和噪声。这些数据集以CSV格式提供，可直接用于机器学习、特征选择和统计分析任务。
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。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
