进化计算适应度与成本景观复现数据：分类特征选择实验
主题标签：肿瘤、乳腺癌、特征选择、进化计算、分类、UCI机器学习库、适应度景观、成本景观。本数据集为肿瘤领域公开数据集，由Zenodo提供，主题涵盖肿瘤。
基本信息
资源简介
进化计算适应度与成本景观复现数据：分类特征选择实验
本数据集英文名为 Replication data for: Fitness and Cost Landscapes for Evolutionary Computation: Experiments in Feature Selection for Classification，由作者 Doe, John 发布，发布机构为 Zenodo，发布时间为 2026 年，采用 Creative Commons Attribution 4.0 International 许可。数据集以 .h5 文件形式提供数值数据，内容为若干知名分类数据集的准确率表与训练成本表，来源于 UCI Machine Learning Repository。这些表格旨在作为特征选择优化问题中适应度景观与成本景观的替代数据。本站将其归类于肿瘤 / 乳腺癌方向，主题标签涵盖肿瘤、乳腺癌、特征选择、进化计算、分类、UCI 机器学习库、适应度景观与成本景观，面向肿瘤领域相关研究提供公开数据支持。
【数据集背景】
该数据集是论文《Fitness and Cost Landscapes for Evolutionary Computation: Experiments in Feature Selection for Classification》的复现数据。论文关注进化计算在分类任务特征选择中的应用，而特征选择优化问题通常需要评估大量候选特征子集，其适应度与成本评估往往代价较高。为便于复现实验并支持后续研究，本数据集提供了相关分类数据集的准确率与训练成本表格，用以刻画特征选择优化问题中的适应度景观与成本景观。数据集所属主题涉及肿瘤与乳腺癌，属于该领域公开数据资源的一部分。
【数据内容】
数据集的数据类型为数值数据，以 .h5 文件格式存储。其核心内容包括知名分类数据集的准确率表和训练成本表。这些表格被设计为特征选择优化问题中适应度景观与成本景观的替代（surrogates），可用于分析不同特征子集在分类准确率与训练成本两个维度上的表现。数据覆盖的分类数据集来自 UCI Machine Learning Repository。除上述内容外，源站未提供更细粒度的字段说明、样本数量、特征维度或具体数据集名称列表。
【采集与来源】
数据集的采集或生成日期为 2026-03-05。数据来源为 UCI Machine Learning Repository 中知名的分类数据集，并作为论文的复现数据整理发布。发布平台为 Zenodo，DOI 为 10.5281/zenodo.19636954。源站 README 文件生成于 2026-04-18，最后更新于 2026-04-18。作者为 Doe, John，机构为 Zenodo。除上述信息外，源站未提供更详细的采集流程、实验环境或原始数据获取方式。
【适用场景】
该数据集适用于进化计算与特征选择相关研究，尤其是需要以准确率和训练成本作为优化目标的分类任务实验。由于其表格可作为适应度景观与成本景观的替代，研究者可将其用于算法性能比较、优化过程分析以及复现论文实验。结合本站分类与主题标签，该数据集也可用于肿瘤、乳腺癌方向的分类与特征选择研究。此外，凡涉及 UCI 机器学习库分类数据集、适应度景观或成本景观分析的工作，均可考虑使用该数据。源站未提供其他具体适用场景。
【使用方法】
数据集以 .h5 文件形式提供，使用者可通过支持 HDF5 格式的工具读取其中的数值表格。这些表格包含准确率与训练成本信息，可作为特征选择优化问题中适应度与成本的替代评估依据。使用者可据此构建或验证进化计算算法在特征选择任务中的表现。由于源站未提供更详细的文件结构、键名或读取示例，具体使用方式需结合 .h5 文件实际内容确定。
【质量与限制】
数据集为论文复现数据，来源于 UCI Machine Learning Repository 的知名分类数据集，并以数值表格形式记录准确率与训练成本。其定位是作为适应度景观与成本景观的替代，而非原始特征数据或完整实验记录。源站未提供关于数据完整性、准确性、偏差或缺失情况的进一步说明，也未提供样本量、特征数或数据分布等质量指标。因此，使用者在依赖该数据得出结论前，应自行核查 .h5 文件内容与适用范围。
【引用与许可】
使用该数据集时，应引用其 DOI：10.5281/zenodo.19636954。作者为 Doe, John，发布机构为 Zenodo，发布时间为 2026 年。许可方式为 Creative Commons Attribution 4.0 International，允许在署名条件下使用、共享与改编。源站未提供其他引用格式或附加使用条款。
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/10.5281/zenodo.19636953
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 1.32 GB。
数据说明
本README文件生成于[2026-04-18]（YYYY-MM-DD）。最后更新：[2026-04-18]。
一般信息
// 数据集标题：用于进化计算的适应度与成本景观的复现数据：分类特征选择实验
// DOI：10.5281/zenodo.19636954
// 数据类型：以.h5文件形式存储的数值数据。
// 数据收集/生成日期：2026-03-05（YYYY-MM-DD）。
// 数据集描述：本数据集包含论文《用于进化计算的适应度与成本景观：分类特征选择实验》的复现数据。它包含了来自UCI机器学习库中知名分类数据集的准确率和训练成本表。这些表旨在作为特征选择优化问题的适应度和成本景观的替代，并且它们包含了由五种分类器获得的所有特征子集（即所有列组合）的准确率：1. k-最近邻（kNN）2. 逻辑回归（LR）3. 神经网络（NN）4. 随机森林（RF）5.
支持向量机（SVM） -------------------------- 方法学信息 -------------------------- // 数据收集/生成所用来源与方法描述： 我们研究了来自加州大学欧文分校（UCI）机器学习库的10个数据集。在每个数据集上，我们训练所有分类器，并计算一个准确率表，该表包含所有可能的2^n个特征子集，其中n是数据集中的列数。我们为每个特征子集提供32次重复，以应对机器学习模型的随机性。 // 数据处理方法： 这些表格使用Julia 1.12.2计算，使用了以下包： 1. k-近邻（来自NearestNeighbors.jl的KNNClassifier及其MLJ.jl接口） 2. 逻辑回归（来自MLJLinearModels.jl的MultinomialClassifier） 3. 神经网络（来自Flux.jl的MLP及其MLJ.jl接口） 4. 随机森林（Rando
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。
