压力水平预测数据集
该数据集包含打鼾范围、呼吸频率、体温、肢体运动、血氧、眼动、睡眠时间和心率等多种生理参数（模态为表格/文本数据），用于构建机器学习模型以预测个体的压力水平，主要应用于健康监测和压力管理研究领域，支持模型评估与伦理隐私分析。
基本信息
资源简介
压力水平预测数据集
【数据集背景】
本数据集源站标题为《davidfred/data_stress.csv》。源站首次发布：2024-12-03。
【数据内容】
源站原始描述：input_features = { "snoring range": "60", "respiration rate": "20", "body temperature": "96", "limb movement": "10", "blood oxygen ": "95", "eye movement": "85", "hours of sleep": "7", "heart rate ": "60", } These are the physiological parameters for which you want to predict the stress level. Creating a Text Representation: The features are converted into a text string that the model can process: python input_text = ", ".join([f"{key}: {value}" for key, value in input_features.items()]) This re…
主表 data_stress.csv 含 9 列、样本前 631 行结构完整。
【数据结构与技术规格】
文件数 1 个，合计 32.52 KB。
【主题与分类】
主题标签：license:mit、size_categories:n<1K、format:csv、modality:tabular、library:datasets、library:pandas、library:mlcroissant、library:polars、region:us。
【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://huggingface.co/datasets/davidfred/data_stress.csv
使用许可：mit。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("davidfred/data_stress.csv")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/davidfred/data_stress.csv
数据说明
该数据集是一个用于基于生理参数预测个体压力水平的机器学习数据集。它包含打鼾范围、呼吸频率、体温、肢体运动、血氧饱和度、眼动、睡眠时间和心率等多种生理特征，这些特征被转换为文本字符串格式以供模型处理。数据集通过收集真实或模拟的生理监测数据构建，主要应用于健康监测、压力管理以及相关心理健康研究领域，同时涉及模型准确性评估、数据一致性分析及伦理隐私问题的讨论。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
