摘要：脑卒中预测不平衡数据集包含 12 个特征（年龄、性别、高血压、心脏病、血糖、BMI、吸烟等）和脑卒中目标变量（0/1），数据集呈现类别不平衡，专为脑卒中预测和不平衡数据处理研究设计。
数据集简介
数据集概述
脑卒中预测不平衡数据集（Cerebral Stroke Prediction – Imbalanced Dataset）专注于在不平衡数据集上识别脑卒中。脑卒中（也称为脑血管意外或 CVA）是指大脑部分失去血液供应，导致受缺血影响的脑细胞控制的身体部分停止工作。这种血液供应丧失可能是缺血性（由于血流不足）或出血性（由于脑组织出血）。脑卒中是一种医疗急症，因为脑卒中可能导致死亡或永久性残疾。有机会治疗缺血性脑卒中，但治疗需要在脑卒中症状开始后的最初几个小时内开始。该数据集包含 12 个特征（包括目标列），数据集呈现类别不平衡（imbalanced）的特点，这在医学数据集中很常见（脑卒中病例通常远少于正常病例）。
数据集包含 12 个特征（包括目标变量），目标列为二元变量（0 = 无脑卒中，1 = 脑卒中），数据集呈现类别不平衡。特征可能包括：年龄、性别、高血压、心脏病、婚姻状况、工作类型、居住类型、平均血糖水平、BMI、吸烟状况等（具体特征需参考数据集文档）。数据集的不平衡特性是关键挑战，需要使用适当的技术（如 SMOTE、欠采样、过采样、类别权重调整）来处理。
支持脑卒中预测（二元分类）、不平衡数据集处理技术研究（SMOTE、ADASYN、类别权重、集成方法）、缺血性脑卒中早期识别、医疗急症预测、风险因素分析（年龄、高血压、心脏病、血糖、BMI、吸烟等）、机器学习模型训练（逻辑回归、随机森林、XGBoost、神经网络）、混合机器学习方法研究、临床决策支持系统、公共卫生研究、预防医学、评估指标研究（精确率、召回率、F1 分数、AUC-ROC、AUC-PR）、教育与培训。该数据集为研究不平衡医学数据集上的脑卒中预测提供重要资源。
数据集来源
该数据集来源于研究论文：”A hybrid machine learning approach to cerebral stroke prediction based on imbalanced medical-datasets”（基于不平衡医学数据集的混合机器学习脑卒中预测方法），由 Liu, Tianyu; Fan, Wenhui; Wu, Cheng (2019) 创建，发布于 Mendeley Data, V1，DOI: 10.17632/x8ygrw87jw.1。数据集包含 12 个特征（包括目标列，二元：0 = 无脑卒中/1 = 脑卒中），数据集呈现类别不平衡，专为研究不平衡医学数据集上的脑卒中预测、混合机器学习方法、不平衡数据处理技术和临床决策支持而设计。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-120
文件大小：510K
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)