健康医疗与基因组学数据集
数据来源：互联网公开数据
标签：健康医疗,基因组学,机器学习,分类,回归,生存分析,乳腺癌,抗生素耐药性,痴呆症
数据概述：
本数据集为经过整理和优化的健康医疗与基因组学数据集，适用于机器学习任务，包括二分类、回归和生存分析等。数据集来源于公开可用的资源，并经过清洗和预处理，以支持健康医疗和基因组学研究中的多种应用场景。每个子数据集专注于特定领域和任务，便于研究人员构建和评估模型。
数据用途概述：
- 乳腺癌数据集
文件名：breast_cancer_data.xlsx
数据来源：UCI ML Repository 的乳腺癌威斯康星数据集
数据描述：该数据集设计用于乳腺癌诊断的二分类任务。数据包含乳腺肿块的细针穿刺活检测量值，分为良性肿瘤和恶性肿瘤两类。目标变量为诊断结果（良性=0，恶性=1）。
应用场景：
- 乳腺癌诊断与预测。
-
特征选择，以识别恶性肿瘤的关键预测因子。
-
Azithromycin 组合数据集
文件名：combined_data_Azithromycin.csv
数据来源：nwheeler443 的淋病单元序列数据
数据描述：该数据集针对回归和生存分析任务，专注于与阿奇霉素耐药性相关的基因组标记。数据包含基因组片段（单元序列）特征和抗生素耐药性相关元数据。
应用场景：
-
预测阿奇霉素耐药性。
-
Ciprofloxacin 组合数据集
文件名：combined_data_Ciprofloxacin.csv
数据来源：nwheeler443 的淋病单元序列数据
数据描述：该数据集设计用于回归和生存分析任务，专注于环丙沙星耐药性。数据包含基因组片段（单元序列）特征和抗生素耐药性相关元数据。
应用场景：
-
预测环丙沙星耐药性。
-
痴呆症数据集
文件名：dementia_dataset.csv
数据来源：shashwatwork 的痴呆症预测数据集
数据描述：该数据集设计用于二分类任务，目标是基于临床和人口统计数据预测痴呆症的存在。特征包括认知测试结果、人口统计信息和患者功能评估。目标变量为痴呆症诊断的二元指示器。
应用场景：
- 痴呆症诊断预测。
- 探索性数据分析，以识别高影响力的预测因子。
致谢：
本数据集基于公开可用的资源，并向以下原始数据集的创建者表示感谢：
- shashwatwork（痴呆症数据集）。
- nwheeler443（淋病单元序列数据）。
- UCI ML Repository（乳腺癌威斯康星数据集）。
经过整理和优化后，这些数据集适用于更高效、更流畅的机器学习工作流。
