患者诊断计算预测结果（欠采样后）
基于欠采样平衡数据集的间皮瘤患者诊断计算预测结果，使用决策树和感知机等模型评估分类性能。
基本信息
资源简介
患者诊断计算预测结果（欠采样后）
【一句话概览】
本数据集是 figshare 公开的结构化表格数据集，收录 1 个文件、合计 5.63 KB，主题涵盖 decision tree classifiers、forest feature selection、patient records、dataset diagnosis prediction、Matthews correlation coefficient，可用于统计建模、特征工程与队列分析，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Results of the computational predictions of patient diagnosis, after under-sampling.》。配套论文《Computational prediction of diagnosis and feature selection on mesothelioma patient health records》发表于 PLOS ONE（2019），DOI：10.1371/journal.pone.0208737。源站首次发布：2019-01-10。
【数据内容】
源站原始描述：Matthews correlation coefficient (MCC): Eq 3. Accuracy: Eq 1. F1 score: Eq 4. Sensitivity (true positive rate): Eq 5. Specificity (true negative rate): Eq 6. The scores are the medians of the results’ ten separate program executions, run with different subset content selected randomly for training set, validation set, and test set every time. We report the results of the application of the methods on all the dataset features, plus the results of the decision tree only to the two selected feature…
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 4.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0208737.t004。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Genetics、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。主题标签：decision tree classifiers、forest feature selection、patient records、dataset diagnosis prediction、Matthews correlation coefficient、feature selection、lung side、decision tree、mesothelioma symptoms、confusion matrix scores。
【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/Results_of_the_computational_predictions_of_patient_diagnosis_after_under-sampling_/7573067
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Chicco, Davide; Rovelli, Cristina (2019). Results of the computational predictions of patient diagnosis, after under-sampling.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-03，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（Figshare）
- 源站标题：Results of the computational predictions of patient diagnosis, after under-sampling.
- DOI：10.1371/journal.pone.0208737.t004
- 发布日期：2019-01-10
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Results_of_the_computational_predictions_of_patient_diagnosis_after_under-sampling_/7573067
命令行下载
curl -L -o "Table 4.xls" "https://ndownloader.figshare.com/files/14068535"
文件清单
Table 4.xls（5.63 KB）
文件总体积 5.63 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
Matthews correlation coefficient (MCC): Eq 3. Accuracy: Eq 1. F1 score: Eq 4. Sensitivity (true positive rate): Eq 5. Specificity (true negative rate): Eq 6. The scores are the medians of the results’ ten separate program executions, run with different subset content selected randomly for training set, validation set, and test set every time. We report the results of the application of the methods on all the dataset features, plus the results of the decision tree only to the two selected features: the row entitled “Decision tree (applied only to lung side & platelet count)”. Dataset balance: 50% positive data instances (all the 96 mesothelioma patients), and 50% negative data instances (96 non-mesothelioma patients, randomly selected). Perceptron: learning rate = 0.1.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0208737.t004（source: https://plos.figshare.com/articles/dataset/Results_of_the_computational_predictions_of_patient_diagnosis_after_under-sampling_/7573067）。
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。
