摘要：本数据集包含100,000条合成生成的脱发预测记录，旨在捕捉与头发健康潜在相关的多种生理和环境属性。数据集整合了总蛋白质、总角蛋白、发质类型、维生素水平、锰、铁、钙、体内含水量（0-100范围）、压力水平和肝功能数据等多维度指标作为潜在预测因子。目标变量hair_fall采用0-5六级量表表示不同程度的脱发强度，模拟了真实世界场景中个体生理和环境属性的多样性。数据集的构建目标是通过机器学习算法分析这些属性与脱发之间的相关性，开发预测模型以理解和预见基于个体生理及环境特征的脱发趋势，最终为个性化头发护理策略的制定提供数据支撑。
数据集简介
数据集概述
数据集构建了全面的多维度生理-环境特征体系，涵盖四个核心领域：（1）结构蛋白指标：总蛋白质和总角蛋白代表头发强度和生长的基础元素，角蛋白作为头发的主要结构成分直接影响发质健康；（2）营养元素水平：维生素、铁、钙和锰等微量营养素支持头发生长所需的酶促反应和整体健康状态，缺乏这些元素可能导致脱发加剧；（3）生理状态指标：体内含水量（0-100）反映水合状态，对头发活力至关重要，肝功能数据反映代谢健康状况，两者均可间接影响头发生长周期；（4）环境与心理因素：压力水平作为重要的心理生理因素，发质类型则提供头发的基础特征信息。这种从分子营养到器官功能再到心理状态的多层次特征融合，为脱发成因的综合分析提供了数据基础。
该数据集在皮肤科学、营养健康和个性化医疗领域具有重要应用价值。支持的研究任务包括：脱发严重程度的多级分类预测、生理指标与脱发关联性的相关分析、高风险人群早期识别、个性化营养补充方案推荐、压力管理对头发健康的影响评估、以及基于机器学习的脱发风险评分系统开发。数据集的大规模样本量（100,000条记录）为深度学习模型训练和特征重要性分析提供了充足的数据支撑。此外，数据集为智能头发健康管理应用、营养咨询决策支持系统、远程皮肤科诊疗辅助工具、以及美容保健产品个性化推荐平台的开发提供了实验基础，有助于推动从通用护理到精准护理的转变，潜在地革新个性化头发护理策略的制定方式。
数据集来源
包含100,000条记录的脱发预测数据集，整合总蛋白质、总角蛋白、发质、维生素、矿物质（锰、铁、钙）、体内含水量、压力水平和肝功能等生理指标，标注0-5级脱发强度用于预测建模。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-44
文件大小：1.3M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)