ER+/Her2+亚型预测的XGBoost模型超参数调优数据集
用于ER+/Her2+乳腺癌亚型预测的XGBoost模型超参数调优表格数据集。
基本信息
资源简介
ER+/Her2+亚型预测的XGBoost模型超参数调优数据集
【数据集背景】
本数据集源站标题为《XGBoost model hyper-parameter tuning for ER+/Her2+ subtype prediction.》。源站首次发布：2024-10-07。
【数据内容】
源站原始描述：XGBoost model hyper-parameter tuning for ER+/Her2+ subtype prediction
【数据结构与技术规格】
文件数 1 个，合计 9.96 KB。pcbi.1012490.s012.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，9.96 KB。数据集 DOI：10.1371/journal.pcbi.1012490.s012。
【主题与分类】
源站学科分类：Cell Biology、Genetics、Biotechnology、Environmental Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。主题标签：previous studies presented、predict clinical attributes、paired medical images、offering valuable insights、including gene expression、frechet &# 8217、copy number variation、lacked actual mris、cpdm &# 8217、generating mris based。
【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://plos.figshare.com/articles/dataset/XGBoost_model_hyper-parameter_tuning_for_ER_Her2_subtype_prediction_/27182928
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Chen, Lianghong; Huang, Zi Huai; Sun, Yan; Domaratzki, Mike; Liu, Qian; Hu, Pingzhao (2024). XGBoost model hyper-parameter tuning for ER+/Her2+ subtype prediction.. PLOS Computational Biology. Dataset
【使用注意】
· 源站最后修改于 2024-10-17，引用时请注意版本时效。
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（Figshare）
- 源站标题：XGBoost model hyper-parameter tuning for ER+/Her2+ subtype prediction.
- DOI：10.1371/journal.pcbi.1012490.s012
- 发布日期：2024-10-07
- 文件数：1 个
- 文件总体积：9.96 KB
- 源站页面：https://plos.figshare.com/articles/dataset/XGBoost_model_hyper-parameter_tuning_for_ER_Her2_subtype_prediction_/27182928
命令行下载
curl -L -o "pcbi.1012490.s012.xlsx" "https://ndownloader.figshare.com/files/49649985"
文件清单
pcbi.1012490.s012.xlsx（9.96 KB）
文件总体积 9.96 KB（源站 API 实测）。
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。
数据说明
XGBoost model hyper-parameter tuning for ER+/Her2+ subtype prediction.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pcbi.1012490.s012（source: https://plos.figshare.com/articles/dataset/XGBoost_model_hyper-parameter_tuning_for_ER_Her2_subtype_prediction_/27182928）。
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。
