ventilator-lightning-unsupervised-tst
基于Transformer的多变量时间序列无监督表征学习数据集，可能涉及呼吸机数据。
基本信息
资源简介
ventilator-lightning-unsupervised-tst
【数据集背景】
源站首次发布：2021-10-25。
【数据内容】
源站原始描述：Pretrained transformer encoder model and its `128-dim` z-representation vectors for Google Brain Ventilator Pressure Prediction train/test sets based on `time_step`,`u_in`, `u_out`, `R` and `C` columns. **Training & Feature Extraction Notebook:** *** Please upvote this dataset if you like it, thanks! *** **Reference:** George Zerveas _et al._ (2021). "_A Transformer-based Framework for Multivariate Time Series Representation Learning_," Proceedings of the 27th ACM SIGKDD Conference on Knowledge…
【数据结构与技术规格】
文件数 5 个，合计 5.16 GB。
【主题与分类】
主题标签：time series analysis、feature engineering、transformers。
【适用方向】
时序数据适用于疾病进展预测、生理信号监测与事件发生的时序建模。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/markpeng/lightning-unsupervised-tst
使用许可：CC0: Public Domain。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("markpeng/lightning-unsupervised-tst")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d markpeng/lightning-unsupervised-tst
unzip lightning-unsupervised-tst.zip -d lightning-unsupervised-tst/
数据集大小约 4.49 GB。
数据说明
该数据集名称包含’‘ventilator’'，推测与呼吸机相关，描述为基于Transformer的多变量时间序列表征学习，专注于无监督表征学习任务，数据模态为时间序列。
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。
