Name: 预测ACR的多元线性回归系数
Creator: 千方医数集科研发现管道
License: CC BY 4.0

基本信息

模态

表格

大小

0.000005632 GB

许可

CC BY 4.0

创建/更新时间

2018-09-25

版本

v1

资源简介

预测ACR的多元线性回归系数

【数据集背景】

本数据集源站标题为《Multiple linear regression coefficients* to predict ACR.》。源站首次发布：2018-09-25。

【数据内容】

源站原始描述：Multiple linear regression coefficients* to predict ACR

【数据结构与技术规格】

文件数 1 个，合计 5.63 KB。Table 2.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0204366.t002。

【主题与分类】

源站学科分类：Space Science、Medicine、Cell Biology、Neuroscience、Pharmacology、Biotechnology。主题标签：DKD、GS、FDA-approved drugs.After 4 weeks、PYR、OS、albuminuria、RAGE、oxidative stress、ROP、EN。

【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/Multiple_linear_regression_coefficients_sup_sup_to_predict_ACR_/7129904

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Grosjean, Fabrizio; M. Yubero-Serrano, Elena; Zheng, Feng; Esposito, Vittoria; Swamy, Shobha; Elliot, Sharon J.; et al. (2018). Multiple linear regression coefficients* to predict ACR.. PLOS ONE. Dataset

【使用注意】

· 源站最后修改于 2023-06-11，引用时请注意版本时效。

原始链接

https://figshare.com/articles/dataset/Multiple_linear_regression_coefficients_sup_sup_to_predict_ACR_/7129904

访问原始数据

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（Figshare）

源站标题：Multiple linear regression coefficients<sup>*</sup> to predict ACR.
DOI：10.1371/journal.pone.0204366.t002
发布日期：2018-09-25
文件数：1 个
文件总体积：5.63 KB
源站页面：https://plos.figshare.com/articles/dataset/Multiple_linear_regression_coefficients_sup_sup_to_predict_ACR_/7129904

命令行下载

curl -L -o "Table 2.xls" "https://ndownloader.figshare.com/files/13116641"

文件清单

Table 2.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