抽象领域皮肤癌数据集
该数据集是一个包含文本模态的皮肤癌医学数据集，由字符串特征a、b和整型标签label构成，总计约8.9万条示例，已划分为训练集、验证集和测试集，主要用于皮肤癌的分类、诊断辅助或领域适应研究，支持基于机器学习模型的医学文本分析任务。
基本信息
资源简介
该数据集是一个用于皮肤癌研究的医学数据集，包含三个特征字段：a、b和label，其中a和b为字符串类型，label为整型标签。数据集已划分为训练集（85,805个示例）、验证集（1,491个示例）和测试集（1,734个示例），总下载大小约106.5MB，解压后约278.1MB。数据来源或构建方式未明确说明，但基于其名称和内容推断，可能涉及从医学文献或临床报告中提取的抽象文本特征。该数据集主要用于皮肤癌的分类、诊断辅助或领域适应研究，支持机器学习模型在医学文本分析中的应用。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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("GleghornLab/abstract_domain_skincancer")
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/GleghornLab/abstract_domain_skincancer
数据说明
该数据集是一个用于皮肤癌研究的医学数据集，包含三个特征字段：a、b和label，其中a和b为字符串类型，label为整型标签。数据集已划分为训练集（85,805个示例）、验证集（1,491个示例）和测试集（1,734个示例），总下载大小约106.5MB，解压后约278.1MB。数据来源或构建方式未明确说明，但基于其名称和内容推断，可能涉及从医学文献或临床报告中提取的抽象文本特征。该数据集主要用于皮肤癌的分类、诊断辅助或领域适应研究，支持机器学习模型在医学文本分析中的应用。
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))
完整数据卡：huggingface.co/datasets/GleghornLab/abstract_domain_skincancer
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 皮肤癌 的高质量、多模态真实临床数据定制解决方案。
