- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 7-7 试手MNIST数据集
本小节使用更大更正规的手写识别数据集MNIST数据集，使用sklearn导入MNIST数据集并使用kNN算法对MNIST数据集进行分类。 原始数据集。 /master/lab7/mldata/mnist-original.mat 百度网盘：https://pan.baidu.com/s/1PcEsFps6NHBRWVxBMl7SmQ 提取码：pz8t DESCR字段给出了下载数据集的网站"mldata.org"，如果有兴趣可以访问这个网站，看看其他的数据集。 按照正常的机器学习流程，得到数据集之后需要使用train_test_split方法对其进行划分，划分一定比例的训练集以及测试集，但是对于MNIST数据集而言，已经帮我们划分好的训练集和测试集，我们只需要对
2.7K10发布于 2019-11-13 - 来自专栏生信技能树
不同的GSE数据集有不同的临床信息，不同的分组技巧
最近，我发现学徒在学习GEO数据挖掘的过程中，遇到了第一个也是至关重要的一个难题就是对下载后的数据集进行合适的分组，因为只有对样本进行合适的分组，才有可能得到我们想要的信息。 但是不同的GSE数据集有不同的临床信息，那么我们应该挑选合适的临床信息来进行分组呢？ pData pd就是这个数据集的临床信息，查看后如下 ? 这里主要说一下GSE31056这一个数据集，需要一定的背景知识与细心才能正常分组，原文里 ? 所以我们需要对数据集取子集。
10.7K33发布于 2019-11-11 - 来自专栏paddle深度学习
paddle深度学习7 数据集的加载
在深度学习中，数据是模型训练的基石。高质量的数据处理和准备是模型成功的关键。无论是使用经典的数据集（如 MNIST、CIFAR-10），还是处理自定义数据集，都需要掌握数据加载、预处理和增强的技巧。 本节将介绍如何加载常用的数据集。在 PaddlePaddle 中，加载内置数据集非常简单。 使用 paddle.vision.datasets 模块加载内置数据集paddle.vision.datasets 模块提供了多个经典数据集的接口，例如：MNIST：手写数字数据集。 CIFAR10：10 类物体的彩色图像数据集。CIFAR100：100 类物体的彩色图像数据集。FashionMNIST：时尚物品图像数据集。 这些数据集可以通过简单的几行代码加载，并且支持自动下载和数据预处理。
40310编辑于 2025-01-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Landsat7_C2_SR数据集（大气校正地表发射率数据集）
Landsat7_C2_SR数据集是经大气校正后的地表反射率数据，属于Collection2的二级数据产品，空间分辨率为30米，基于Landsat生态系统扰动自适应处理系统（LEDAPS）（版本3.4.0 2003年6月以来，因扫描线校正器(SLC)故障导致传输数据存在间隙问题 Landsat7_C2_SR数据集是Landsat7卫星的一种数据产品，提供每个卫星场景的反射率值。 这个数据集使用了Landsat生态系统干扰自适应处理系统（LEDAPS），对大气效应进行了校正，并考虑了地形变化。这使得对地表特性和时间变化进行更准确的分析成为可能。 这个数据集可以从美国地质调查局的Earth Explorer网站免费下载。 key为LANDSAT_7/02/T1/SR的Landsat7_C2_SR类数据集 * @Name : Landsat7_C2_SR_T1数据集 */ //指定检索数据集，可设置检索的空间和时间范围
33310编辑于 2024-02-02 - 来自专栏DrugOne
Data | TrialBench：多模态 AI 可用的临床试验预测数据集平台
这一数据集由香港科技大学（广州）陈晋泰助理教授联合南京大学符天凡副教授、IQVIA 、哈佛医学院等团队合作推出，构建了首个面向人工智能的多模态临床试验预测平台。 数据集已向全球开放，研究者可通过以下链接获取和使用： https://huyjj.github.io/Trialbench/。 为什么要做这个平台？ 平台亮点 TrialBench 汇集了 23 个子数据集，覆盖 8 大预测任务，具体包括： 一、预测试验时长，即估计一项临床试验从开始到结束可能持续多久。 研究团队不仅设计了这些任务，还提供了基线模型、评价指标和多模态融合方法，确保数据集“开箱即用”。 数据集效果验证 Python与R包的使用 已有应用与验证 TrialBench 发布不久，已经被业界与学界关注并应用。
26010编辑于 2025-10-14 - 来自专栏新智元
NIH开源迄今最大临床医疗图像数据集，用深度学习构建通用疾病检测模型！
---- 新智元报道 来源：HIN 作者：大明，闻菲 【新智元导读】NIH临床中心最新公布了一个迄今规模最大的多类别、病灶级别标注临床医疗CT图像开放数据集DeepLesion，研究人员在此基础上训练深度神经网络 CT图像数据集DeepLesion，也是迄今全球规模最大的多类别、病灶级别标注的开放获取临床医疗图像数据集。 Summers），他是医生里面对技术理解特别深刻的，为获取这个临床的大规模医疗数据集提供了极大的帮助和指导。” DeepLesion：迄今最大的多类别、病灶级标注临床医疗图像开源数据集 在NIH临床中心，每当有患者做完CT扫描后，相应的扫描图像都会被送至放射科医生处，然后医生会对图像进行解读。 “总之，这是一个给人很大想象和发挥空间的数据集。”闫轲说。 大规模的临床数据库是AI在临床真正落地的唯一路径；但标注几乎永远不可能是完美的，这就对新的更鲁棒的深度学习算法提出了更多以及更高的要求。
5.6K20发布于 2018-08-16 - 来自专栏数据科学和人工智能
数据集 | 图书数据集
下载数据集请登录爱数科(www.idatascience.cn) 由电商平台爬取的图书信息，包括书名、出版信息、当前价格等。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 当当网搜索页面爬取。
2.9K40编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 行星数据集
下载数据集请登录爱数科(www.idatascience.cn) 其记录了2014年之前天文学家在恒星（除了太阳）周围发现的行星的信息。 1. 字段描述 2. 数据预览 3. 数据来源 来源于UCI机器学习库。
2.1K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 订购数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集记录了一家全球超市4年的订购数据，包含订单的订单号、下单时间、发货时间、运输模式、顾客名称和地区等信息。 1. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.2K30编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 鲍鱼数据集
下载数据集请登录爱数科(www.idatascience.cn) 通过物理测量预测鲍鱼的年龄。 从原始数据中删除了缺失值的样本，并且对连续值的范围进行了缩放。数据集共4177个样本，8个字段 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 Warwick J Nash, Tracy L Sellers, Simon R Talbot, Andrew J Cawthorn and Wes B Ford (1994) "The Population 数据引用 Nash W J, Sellers T L, Talbot S R, et al.
2.9K40编辑于 2022-03-30 - 来自专栏临床试验
临床试验编程-Adam数据转换
1.介绍 从各系统导出的数据无法完成所需要的统计分析，需经过转换后形成标准Adam数据方可进行分析。涉及到数据集名称、变量名称、变量标签、变量值。 常见的ADAM数据集如下： ADAE-不良事件 ；ADCM-联合用药 ；ADSL-人口统计学 ；ADDS-受试者完成情况 ；ADPV-方案偏离 ；ADEG-心电图； ADEX-药物暴露； ADIE-纳入 中国临床药理学杂志, 2020, 36(18):5. [2]王骏, 韩景静, 黄钦. 临床试验缺失数据的统计学考量[J]. 中国临床药理学杂志, 2016, 32(5):4. [3]衡明莉, 陈丽嫦, 王骏. 临床试验中缺失数据处理方法研究[J]. 中国临床药理学杂志, 2019, 35(22):5. 每一个数据集均应产生配套的生成程序.sas、数据集、日志存放在临床试验编程篇-Setup中创建的文件夹中。方便后续做TFLs时调用。
4.1K41编辑于 2021-12-05 - 来自专栏数据科学和人工智能
数据集 | 小费数据集
下载数据集请登录爱数科(www.idatascience.cn) 小费数据集 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源
1.9K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 广告数据集
下载数据集请登录爱数科(www.idatascience.cn) 数据集由 Jose Portilla 和 Pierian Data 为他的 Udemy 课程（Python 数据科学和机器学习训练营） 创建,适合用于数据分析与逻辑回归预测。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.5K30编辑于 2022-03-30 - 来自专栏医学数据库百科
临床相关突变查询数据库
写在前面 越来越多的研究发现某一个基因的突变和很多的临床特征有关系。如果我们想有查找临床性状和基因突变的关系的话，内容比较全面的就是ClinVar数据库了。 ClinVar 数据库是ncbi旗下用于查看临床相关突变的数据库。但是其数据库的内容比较多，而且检索界面不是很友好。所以经常看不懂其结果。所以今天就介绍一个检索简单的突变和表型的数据库。 通过其名字我们就知道这个是一个简易版的Clinvar数据库。 输入 数据库的输入很简单，我们可以数据疾病；基因名; 突变等。都可以。 我这里输入gastric cancer。 另外数据库也提供了下载的功能。我们点击Show Table就可以看到其下载结果的地方了。 写在后面 以上就是这个数据的所有功能的。输入关键词—界面友好的查看结果。是不是很简单。 一直再说这类汇总其他数据库的资源，最怕的资源更新慢的问题。不过看这个数据库还是经常更新的。所以可以放心使用的
1.3K40发布于 2021-11-18 - 来自专栏用户6927366的专栏
UCSC xena如何下载TCGA临床数据
UCSC xena如何下载TCGA临床数据 生信自学网 UCSC xena数据库对TCGA临床数据进行了整理，如果需要TCGA肿瘤全部的临床信息，可以通过UCSC xena网站进行下载。 TCGA有两套数，最好选择GDC开头，这套数据和最新TCGA官网数据是配套的。我们以胃癌为例，点击下图圆圈处即可。 03.png 5. 进入我们选择肿瘤界面后，我们会发现很多数据，选择其中的”Phenotype”按钮，既可以进入临床数据的下载界面。 04.png 6. 进入临床数据界面，点击下载，就可以下载临床数据表格。
5.6K02发布于 2020-03-14 - 来自专栏应兆康的专栏
7. 开发集和测试集应该多大？
7 开发集和测试集应该多大？ 开发集应该足够大，大到可以检测出不同算法之间的差异。比如：如果分类器A的精度为90.0%，分类器B精度为90.1%。 如果你的开发集只有100条，那么你可能检测不出这0.1%的差异，与其它机器学习的问题相比，100条数据很小，常见的开发集数据规模在1000到10000条之间。数据量越高，模型之间的差异越明显。 在这种情况下，开发集的数据量可能远远超过10000条，只为了对算法进行改进。 测试集要多大？它也应该足够大，大到你有一个很高自信度去对系统的整体性能进行评估。这里有一个方法：将30%的数据用于测试。 在你拥有一个中等（100到10000个样本）数据量的情况下，它的效果不错。 但是在大数据的时代下，我们面对的机器学习问题数据量可能会超过10亿条样本，开发集与测试集之间的比例一直在减小，但是开发与测试集的绝对数量在增加。在给开发集和数据集分配时，没必要过多的进行分配。
85970发布于 2018-05-09 茶叶病害分类数据集6749张7类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：6749 分类类别数：7 类别名称:["Unlabeled brown_blight 图片数：980 gray_blight 图片数：1000 healthy 图片数：1074 helopeltis 图片数：1000 red_spot 图片数：1143 重要说明：数据集里面茶叶均为单叶 ，请仔细查看图片预览，斟酌下载 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放 图片预览： 下载地址： https://download.csdn.net
27710编辑于 2025-07-16对虾病害分类数据集889张7类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：889 分类类别数：7 类别名称:["baibanbing hongtizheng 图片数：160 huangsaizheng 图片数：97 重要说明：主要对虾是否生病进行分类判断，主要有黄鳃症、红体症、黑鳃症、黑斑病、肝萎缩、白浊病、白斑病 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理分类存放 虾的图片示例（虾的具体学名叫不出来，就叫对虾吧）： 下载地址： https://download.csdn.net/download/FL1623863129/89245697
11210编辑于 2025-07-20- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集更新提示——Landsat collection 1数据集将被移除（截至2024年7月1日）
今天早上接到了GEE的邮件，这次数据集的更新主要是我们使用的长时间序列的遥感影像Landsat系列，之前我们所使用时间最长的Landsat C01数据集，2024年7月1日将会直接熊数据集中移除。 您可能有项目在使用地球引擎数据目录中的大地遥感卫星第 1 集和预采集数据集，这些数据集将于 2024 年 7 月 1 日移除。请迁移到集合 2，以避免请求失败。 信件内容 我们特此通知您，自 2024 年 7 月 1 日起，我们将从地球引擎数据目录中删除大地遥感卫星第 1 号采集集和预采集集数据集。 诸如 32 天 NDVI 等计算数据集将从 Collection 2 生成。 您需要知道什么？ 自 2021 年 12 月 31 日起，美国地质调查局不再制作或提供大地遥感卫星第 1 集数据。 注意：请确保在 2024 年 7 月 1 日前更新地球引擎脚本、模块和应用程序，以避免请求失败。
35600编辑于 2024-05-24 - 来自专栏数据科学和人工智能
数据集 | 苹果股价数据集
下载数据集请登录爱数科(www.idatascience.cn) 这个数据集涵盖了过去6年苹果公司的股价。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
1.9K30编辑于 2022-03-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号