学生抑郁检测数据集

学生抑郁检测数据集是通过 Google Forms 收集的问卷调查数据,共包含 4,464 名学生的回答,覆盖人口学、学业、社会、经济和健康相关信息

google_dataset
2026-06-10 更新
浏览 4
表格分类学生心理健康抑郁问卷调查表格数据机器学习统计分析
Student Depression Detection Dataset

基本信息

模态
表格
大小
0.000653242 GB
任务类型
分类
创建/更新时间
2026-06-10
版本
v2

资源简介

学生抑郁检测数据集

Student Depression Detection Dataset

学生抑郁检测数据集是通过 Google Forms 收集的问卷调查数据,共包含 4,464 名学生的回答,覆盖人口学、学业、社会、经济和健康相关信息。数据集共有 13 个特征,其中 12 个为自变量、1 个为目标变量 Depression,同时包含数值型与类别型数据。该数据集可用于学生心理健康研究,识别影响抑郁的关键因素,并适合开展统计分析、数据可视化与机器学习应用(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2026-06-10。

【数据内容】

源站描述(机器翻译,仅供参考):数据集概览 学生抑郁数据集是一个通过 Google Forms 收集的基于问卷的数据集,用于考察与学生抑郁相关的因素。该数据集包含 4,464 名学生的回答,涵盖人口学、学业、社会、经济和健康相关信息。其主要目标是支持学生心理健康研究并识别影响抑郁的关键因素。该数据集包含 13 个特征,其中包括 12 个自变量和 1 个目标变量(Depression)。它同时包含数值型和类别型数据,适合统计分析、数据可视化和机器学习应用。 关键特征 人口学信息: 性别、年龄、家庭所在地区 家庭与社会因素: 家庭背景、恋爱状态、婚姻状态、居住方式、朋友圈 * **学业

【数据结构与技术规格】

文件数 2 个,合计 653.24 KB。数据集 DOI:10.17632/xn9cb5zpgg.2。

【主题与分类】

主题标签:学生心理健康、抑郁、问卷调查、表格数据、机器学习、统计分析。本站分类:精神与行为障碍。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/xn9cb5zpgg

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

源站:https://data.mendeley.com/datasets/xn9cb5zpgg

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 653.2 KB。

数据说明

Obaidul Haque (2026). Student Depression Detection Dataset [Dataset]. http://doi.org/10.17632/xn9cb5zpgg.2

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。

获取专属数据定制方案