james-burton/vet_month_1d_ordinal

Name: james-burton/vet_month_1d_ordinal
Creator: james-burton
Published: 2023-10-23 14:42:15
License: 暂无描述

Hugging Face2023-10-23 更新2024-03-04 收录

下载链接：

https://hf-mirror.com/datasets/james-burton/vet_month_1d_ordinal

下载链接

链接失效反馈

官方服务：

资源简介：

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* dataset_info: features: - name: age_at_consult dtype: float64 - name: Ear_or_Mastoid dtype: int64 - name: Mental_Behavioral_or_Neuro dtype: int64 - name: Blood_or_Blood-forming dtype: int64 - name: Circulatory dtype: int64 - name: Dental dtype: int64 - name: Developmental dtype: int64 - name: Digestive dtype: int64 - name: Endocrine_Nutritional_or_Metabolic dtype: int64 - name: Immune dtype: int64 - name: Infectious_or_Parasitic dtype: int64 - name: Skin dtype: int64 - name: Musculoskeletal_or_Connective_Tissue dtype: int64 - name: Neoplasms dtype: int64 - name: Nervous dtype: int64 - name: Visual dtype: int64 - name: Perinatal dtype: int64 - name: Pregnancy_Childbirth_or_Puerperium dtype: int64 - name: Respiratory dtype: int64 - name: Injury_Poisoning_or_External_Causes dtype: int64 - name: Genitourinary dtype: int64 - name: gender dtype: float64 - name: neutered dtype: float64 - name: species dtype: float64 - name: insured dtype: float64 - name: practice_id dtype: string - name: premise_id dtype: string - name: breed dtype: string - name: region dtype: string - name: record dtype: string - name: labels dtype: int64 splits: - name: train num_bytes: 5867630 num_examples: 8552 - name: validation num_bytes: 1037398 num_examples: 1510 - name: test num_bytes: 1791540 num_examples: 2606 download_size: 4036706 dataset_size: 8696568 --- # Dataset Card for "vet_month_1d_ordinal" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项： - 配置名称：default 数据文件： - 数据集划分：训练集（train），路径：data/train-* - 数据集划分：验证集（validation），路径：data/validation-* - 数据集划分：测试集（test），路径：data/test-* 数据集信息：特征字段： - 字段名：就诊时年龄（age_at_consult），数据类型：float64 - 字段名：耳部与乳突病变（Ear_or_Mastoid），数据类型：int64 - 字段名：精神、行为或神经病变（Mental_Behavioral_or_Neuro），数据类型：int64 - 字段名：血液与造血系统病变（Blood_or_Blood-forming），数据类型：int64 - 字段名：循环系统病变（Circulatory），数据类型：int64 - 字段名：牙科病变（Dental），数据类型：int64 - 字段名：发育相关病变（Developmental），数据类型：int64 - 字段名：消化系统病变（Digestive），数据类型：int64 - 字段名：内分泌、营养或代谢系统病变（Endocrine_Nutritional_or_Metabolic），数据类型：int64 - 字段名：免疫系统病变（Immune），数据类型：int64 - 字段名：感染或寄生虫病变（Infectious_or_Parasitic），数据类型：int64 - 字段名：皮肤病变（Skin），数据类型：int64 - 字段名：肌肉骨骼与结缔组织病变（Musculoskeletal_or_Connective_Tissue），数据类型：int64 - 字段名：肿瘤病变（Neoplasms），数据类型：int64 - 字段名：神经系统病变（Nervous），数据类型：int64 - 字段名：视觉系统病变（Visual），数据类型：int64 - 字段名：围产期相关病变（Perinatal），数据类型：int64 - 字段名：妊娠、分娩或产褥期病变（Pregnancy_Childbirth_or_Puerperium），数据类型：int64 - 字段名：呼吸系统病变（Respiratory），数据类型：int64 - 字段名：损伤、中毒或外部病因相关病变（Injury_Poisoning_or_External_Causes），数据类型：int64 - 字段名：泌尿生殖系统病变（Genitourinary），数据类型：int64 - 字段名：性别（gender），数据类型：float64 - 字段名：绝育状态（neutered），数据类型：float64 - 字段名：物种（species），数据类型：float64 - 字段名：参保状态（insured），数据类型：float64 - 字段名：诊所ID（practice_id），数据类型：string - 字段名：场所ID（premise_id），数据类型：string - 字段名：品种（breed），数据类型：string - 字段名：地区（region），数据类型：string - 字段名：就诊记录（record），数据类型：string - 字段名：标签（labels），数据类型：int64 数据集拆分详情： - 划分名称：训练集（train），字节大小：5867630，样本数量：8552 - 划分名称：验证集（validation），字节大小：1037398，样本数量：1510 - 划分名称：测试集（test），字节大小：1791540，样本数量：2606 下载总大小：4036706 字节数据集总大小：8696568 字节 --- # "vet_month_1d_ordinal"数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

提供机构：

james-burton

原始信息汇总

数据集概述

数据集名称

vet_month_1d_ordinal

数据集配置

默认配置

数据文件路径

训练集: data/train-*
验证集: data/validation-*
测试集: data/test-*

数据集特征

age_at_consult: 类型为 float64
Ear_or_Mastoid: 类型为 int64
Mental_Behavioral_or_Neuro: 类型为 int64
Blood_or_Blood-forming: 类型为 int64
Circulatory: 类型为 int64
Dental: 类型为 int64
Developmental: 类型为 int64
Digestive: 类型为 int64
Endocrine_Nutritional_or_Metabolic: 类型为 int64
Immune: 类型为 int64
Infectious_or_Parasitic: 类型为 int64
Skin: 类型为 int64
Musculoskeletal_or_Connective_Tissue: 类型为 int64
Neoplasms: 类型为 int64
Nervous: 类型为 int64
Visual: 类型为 int64
Perinatal: 类型为 int64
Pregnancy_Childbirth_or_Puerperium: 类型为 int64
Respiratory: 类型为 int64
Injury_Poisoning_or_External_Causes: 类型为 int64
Genitourinary: 类型为 int64
gender: 类型为 float64
neutered: 类型为 float64
species: 类型为 float64
insured: 类型为 float64
practice_id: 类型为 string
premise_id: 类型为 string
breed: 类型为 string
region: 类型为 string
record: 类型为 string
labels: 类型为 int64

数据集分割

训练集: 8552 个样本, 5867630 字节
验证集: 1510 个样本, 1037398 字节
测试集: 2606 个样本, 1791540 字节

数据集大小

下载大小: 4036706 字节
数据集大小: 8696568 字节

搜集汇总

数据集介绍

构建方式

在兽医学数据科学领域，vet_month_1d_ordinal数据集通过系统化采集兽医临床记录构建而成。该数据集整合了来自不同诊所的动物就诊信息，涵盖了年龄、物种、品种、绝育状态及保险情况等基础特征，并依据国际疾病分类原则，编码了涉及耳与乳突、精神行为神经、血液、循环、消化、内分泌营养代谢、免疫、感染寄生虫、皮肤、肌肉骨骼结缔组织、肿瘤、神经、视觉、围产期、妊娠分娩产褥期、呼吸、损伤中毒外因、泌尿生殖等22个器官系统的疾病标签。数据经过清洗与标准化处理，划分为训练集、验证集和测试集，确保了后续模型开发与评估的可靠性。

特点

该数据集的核心特点在于其多维度的特征表征与精细的疾病分类体系。特征层面不仅包含动物的年龄、性别、物种、品种、区域等静态属性，还纳入了诊所与场所标识，为研究医疗实践差异提供了可能。疾病标签采用有序整数编码，覆盖了广泛的生理系统，能够支持多标签或序数回归分析。数据规模适中，包含万余条样本，且具备标准的训练、验证、测试分割，为机器学习模型提供了稳健的基准。其结构化设计尤其适合用于开发预测动物健康风险的统计模型或探索疾病共现模式。

使用方法

在应用该数据集时，研究者可将其加载至标准的数据处理框架中，如Hugging Face Datasets库。数据集已预分割为train、validation和test子集，便于直接用于监督学习任务。典型工作流程包括：利用特征字段如年龄、物种及各系统疾病指标作为输入，以labels字段作为预测目标，构建分类或回归模型。用户可根据需要，对类别型变量进行编码，对数值型特征进行标准化，并利用验证集进行超参数调优，最终在测试集上评估模型性能，以推动兽医流行病学或临床决策支持系统的研究。

背景与挑战

背景概述

在兽医流行病学与临床决策支持领域，精准预测动物健康风险是提升诊疗效率与动物福利的核心。数据集'vet_month_1d_ordinal'由研究人员James Burton构建，聚焦于利用时序性临床记录与多维度特征，对动物未来一个月内的健康状态进行有序分类预测。该数据集整合了年龄、物种、品种、绝育状态、保险信息及涵盖耳科、神经、循环、消化等二十余类身体系统的诊断特征，旨在通过机器学习模型揭示复杂疾病模式与风险因素。其创建推动了兽医数据科学从描述性分析向预测性智能的演进，为个性化预防医疗与资源优化提供了实证基础。

当前挑战

该数据集致力于解决兽医临床中的有序风险预测挑战，即依据历史数据对动物健康状态进行分级评估，其难点在于多系统疾病特征的交互影响与类别不平衡问题。在构建过程中，挑战主要源于临床数据的异构性与隐私约束，包括跨诊所记录的标准统一、诊断代码的规范映射，以及物种、品种等分类变量的高维度稀疏表示。此外，时序信息的有效整合与缺失值的稳健处理，亦对数据质量与模型泛化能力构成了显著考验。

常用场景

经典使用场景

在兽医流行病学与临床决策支持领域，该数据集通过整合宠物就诊记录中的多维度特征，如年龄、性别、品种、保险状态及各类疾病分类指标，为构建预测模型提供了结构化数据基础。其经典使用场景在于训练机器学习模型，以预测宠物在未来一个月内的健康风险等级，从而辅助兽医进行早期干预和资源规划。数据集中的有序分类标签设计，使得模型能够评估风险程度的连续性变化，而非简单的二元判断，这提升了预测的精细度和实用性。

衍生相关工作

围绕该数据集，已衍生出多项经典研究工作，包括基于梯度提升树或神经网络的有序回归模型，这些模型在预测宠物疾病风险方面展现了较高准确性。同时，研究者利用其进行特征重要性分析，揭示了品种、年龄与特定疾病间的深层关联，相关成果发表于兽医信息学与生物统计学期刊。这些工作不仅验证了数据集的可靠性，还拓展了其在跨物种健康比较研究中的应用潜力，为后续数据集的构建提供了方法论参考。

数据集最近研究