有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
滨州市老年乡村医生生活补助|医疗政策数据集|老年福利数据集
收藏山东公共数据开放网2024-04-21 更新2024-03-04 收录
下载链接：
https://data.sd.gov.cn/portal/catalog/a2b61dfe7e224d06877411cd88f69590
下载链接
链接失效反馈资源简介：
包含市卫生计生委转发《关于解决老年乡村医生生活补助问题的实施意见》等信息
提供机构：
滨州市卫生健康委员会
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国农村金融统计数据
该数据集包含了中国农村金融的统计信息，涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类，提供了详细的农村金融发展状况。
www.pbc.gov.cn 收录
Tara Oceans
Tara Oceans数据集包含了全球海洋微生物的宏基因组和宏转录组数据，涵盖了从极地到热带的多个海洋生态系统。数据包括微生物的DNA和RNA序列，以及相关的环境元数据。
www.ebi.ac.uk 收录
哈尔滨市区域产业链点发展评估数据
我司基于哈尔滨市区域产业发展的特征，结合数据的可获得性和有效性，基于不同产业链点的产业规模、龙头效应、资本热度、科技创新、发展效率等多个维度构建哈尔滨市区域产业链点的综合发展效能评估体系，并完成数据收集、数据清洗、特征衍生、模型构建、模型验证全过程，形成涵盖哈尔滨市主要产业链下核心链点的区域产业链点发展评分，能有效帮助金融机构在制定产业相关信贷政策以及确定特定产业预授信额度时，更准确全面地评价区域产业的发展效能和动态变化，辅助金融机构更好做好区域产业金融服务。区域产业链点发展指数 = ∑ Si * Xi ，其中Si是指标相应的权重系数，Xi是评价指标，i=1,2,3,……,21，21个指标包括“区域产业链点在营企业数量”“区域产业链点近1年新注册企业数量”等，指标经归一化处理后参与计算。模型结合专家经验和机器学习算法得出，专家主要基于行业实践、政策导向和国际贸易特点，帮助筛选关键指标并初步设定权重范围，然后通过主成分分析和随机森林算法进一步筛选指标并对初始权重进行优化。
浙江省数据知识产权登记平台 收录
OpenML-CC18
我们提倡使用经过整理的、全面的机器学习数据集基准测试套件，以标准化的基于 OpenML 的接口和用 Python、Java 和 R 编写的互补软件工具包为后盾。我们展示了如何使用标准化的基于 OpenML 的基准测试套件轻松执行全面的基准测试研究以及用 Python、Java 和 R 编写的互补软件工具包。 OpenML 基准测试套件的主要显着特点是 (i) 通过标准化数据格式、API 和现有客户端库易于使用； (ii) 关于套件内容的机器可读元信息； (iii) 在线共享结果，实现大规模比较。作为第一个这样的套件，我们提出了 OpenML-CC18，这是一个机器学习基准套件，包含 72 个分类数据集，从 OpenML 上的数千个数据集中精心策划。纳入标准是： * 密集数据集独立观察的分类任务 * 类数 >= 2，每个类至少有 20 个观察和少数类与多数类的比例必须超过 5% * 500 <= 观察数 <= 100000 * one-hot-encoding 后的特征数量 < 5000 * 没有人工数据集 * 没有更大数据集的子集，也没有其他数据集的二值化 * 没有可以通过使用单个特征或使用简单的决策树来完全预测的数据集* 来源或参考可用 如果您使用此基准测试套件，请引用：Bernd Bischl、Giuseppe Casalicchio、Matthias Feurer、Frank Hutter、Michel Lang、Rafael G. Mantovani、Jan N. van Rijn 和 Joaquin Vanschoren。 “OpenML 基准测试套件”arXiv:1708.03731v2 [stats.ML] (2019)。 @article{oml-benchmarking-suites, title={OpenML Benchmarking Suites}, author={Bernd Bischl and Giuseppe Casalicchio and Matthias Feurer and Frank Hutter and Michel Lang and Rafael G. Mantovani and Jan N. van Rijn and Joaquin Vanschoren},年={2019}，日记={arXiv:1708.03731v2 [stat.ML]} }
OpenDataLab 收录
ICLR Peer Review and Rebuttal Process Dataset
该数据集包含从ICLR 2024和2025年收集的同行评审和反驳过程数据，数据来自OpenReview平台，包括评审者ID、初始评分和反驳后评分。评审者评分变化被追踪，使用追踪分数指标来评估评审者连续性，分数≤1表示有效使用，≥2需双重检查。数据许可证为CC BY 4.0。
github 收录