Behavioral_Stress_Dataset

Dataset Title: Behavioral Stress Dataset for Multimodal AI Analysis Author: Kosuru Karthik Affiliation: Koneru Lakshmaiah Education Foundation, Andhra Pradesh, India Email: [e-mail] ABSTRACT: This dataset contains 100 behavioral records designed for machine learning and deep learning-based stress prediction research. Each record includes demographic information (age, gender) and behavioral parameters (sleep duration, screen time, workload, physical activity) with corresponding stress levels. DATASET STRUCTURE: - Total Records: 100 - Total Columns: 9 - File Format: Excel (.xlsx) - License: CC BY 4.0 COLUMN DETAILS: | Column Name | Description | Range | |-------------|-------------|-------| | User_ID | Unique identifier | 1 to 100 | | Age | Age in years | 21 to 26 | | Gender | Male or Female | M, F | | Sleep_Hours | Hours of sleep per day | 3.5 to 8.5 hours | | Screen_Time_Hours | Hours on screen per day | 4.5 to 14.5 hours | | Workload_Hours | Work/study hours per day | 4.2 to 11.0 hours | | Physical_Activity_Minutes | Exercise minutes per day | 5 to 88 minutes | | Stress_Level | Stress score (0-100) | 26 to 98 | | Stress_Category | Categorical stress label | Low, Moderate, High | STRESS CATEGORY RULES: - Low Stress: Stress_Level 0-49 - Moderate Stress: Stress_Level 50-69 - High Stress: Stress_Level 70-100 POTENTIAL APPLICATIONS: 1. Machine Learning-based stress prediction (Regression, Decision Trees, Random Forest) 2. Neural Network behavioral pattern learning 3. Clustering analysis (K-Means) 4. Anomaly detection (Isolation Forest) 5. Time-series behavioral forecasting 6. Correlation analysis between behavioral parameters and stress REUSE INSTRUCTIONS: - Open in Microsoft Excel or any CSV viewer - Use with Python (pandas), R, MATLAB, or any data analysis tool - No additional cleaning required - data is preprocessed and normalized ETHICS STATEMENT: This dataset contains simulated/anonymized data. No real human subjects were involved. Data can be freely used for academic and research purposes. CITATION: If you use this dataset, please cite: Karthik, K. (2025). Behavioral Stress Dataset for Multimodal AI Analysis. Mendeley Data. [DOI will be assigned] CONTACT: Kosuru Karthik - [e-mail]数据集标题：面向多模态人工智能分析的行为压力数据集（Behavioral Stress Dataset for Multimodal AI Analysis） 作者：Kosuru Karthik 所属机构：印度安得拉邦科纳鲁·拉克什马教育基金会（Koneru Lakshmaiah Education Foundation） 电子邮箱：[e-mail] 摘要： 本数据集包含100条行为记录，旨在支持基于机器学习与深度学习的压力预测研究。每条记录涵盖人口统计学信息（年龄、性别）与行为参数（每日睡眠时长、屏幕使用时长、工作/学习时长、每日体力活动时长），并附带对应的压力水平标签。 数据集结构： - 总记录数：100条 - 总列数：9列 - 文件格式：Excel（.xlsx） - 授权协议：知识共享署名4.0国际许可协议（CC BY 4.0） 列详情： | 列名 | 列描述 | 取值范围 | |-----|-----|-----| | User_ID | 唯一标识符 | 1 至 100 | | Age | 年龄（单位：年） | 21 至 26 | | Gender | 性别 | M（男）、F（女） | | Sleep_Hours | 每日睡眠时长（单位：小时） | 3.5 至 8.5 小时 | | Screen_Time_Hours | 每日屏幕使用时长（单位：小时） | 4.5 至 14.5 小时 | | Workload_Hours | 每日工作/学习时长（单位：小时） | 4.2 至 11.0 小时 | | Physical_Activity_Minutes | 每日体力活动时长（单位：分钟） | 5 至 88 分钟 | | Stress_Level | 压力评分（0-100） | 26 至 98 | | Stress_Category | 分类压力标签 | 低压力、中等压力、高压力 | 压力类别划分规则： - 低压力：压力评分处于0-49区间 - 中等压力：压力评分处于50-69区间 - 高压力：压力评分处于70-100区间 潜在应用场景： 1. 基于机器学习的压力预测任务（回归分析、决策树、随机森林） 2. 神经网络行为模式学习 3. 聚类分析（K-Means） 4. 异常检测（孤立森林（Isolation Forest）） 5. 时序行为预测任务 6. 行为参数与压力水平间的相关性分析 数据集复用说明： - 可使用Microsoft Excel或任意CSV查看器打开 - 可配合Python（pandas库）、R语言、MATLAB或任意数据分析工具使用 - 无需额外数据清洗：数据集已完成预处理与归一化处理 伦理声明： 本数据集包含模拟数据与匿名化数据，未涉及真实人类受试者，可免费用于学术与研究用途。 引用规范： 若您使用本数据集，请引用以下文献： Karthik, K. (2025). 面向多模态人工智能分析的行为压力数据集. Mendeley Data. [DOI将后续分配] 联系方式： Kosuru Karthik - [e-mail]