CORD-19数据集有多少

CORD-19数据集是一个包含数十万篇新冠病毒相关论文的大型文本语料库，截至2021年4月，它包含了超过400,000篇论文。这些论文来自于各种来源，包括PubMed、bioRxiv、medRxiv、WHO和CDC等，涵盖了从病毒传播、病毒基因组学到诊断、治疗和预防等方面的研究。

需要注意的是，由于CORD-19数据集是一个动态更新的数据库，因此其大小会不断变化，而且可能会包含一些重复或不相关的文献，因此在使用时需要进行数据清洗和预处理。

相关问题

CORD-19数据集的训练集测试集验证集有多少

CORD-19数据集并没有明确的训练集、测试集和验证集划分，因为它主要是用于研究新冠病毒相关论文的分析和建模。不过，一些研究者将其视为一个大型的文本语料库，可以根据自己的需求进行划分和使用。

另外，针对CORD-19数据集，Kaggle举办了一个比赛，名为CORD-19 Research Challenge，提供了一些挑战任务和评估标准，可以作为一些研究者进行模型评估的参考。在这个比赛中，主办方提供了一些数据子集，如只包含COVID-19相关论文的子集，可以用于划分训练集、测试集和验证集。

kaggle医疗数据集推荐

Kaggle是一个知名的开源数据科学竞赛平台，上面有许多医疗相关的数据集，这些数据集涵盖了各种健康议题，如疾病预测、患者诊断、药物研发等。下面是一些推荐的医疗数据集：

1. **MIMIC-III** (Medical Information Mart for Intensive Care): 这是ICU患者的大规模电子病历数据集，可用于研究患者监护、病情演变和预后分析。

2. **Breast Cancer Wisconsin (Diagnostic)**: 用于乳腺癌分类的数据集，常用于机器学习入门项目，训练疾病检测模型。

3. **Chest X-ray Pneumonia Detection**: 医学影像数据集，包含肺部X光图像，用于识别肺炎。

4. **IBM Watson Genomics Challenge**: 提供了癌症基因组数据，可用于个性化治疗方案的研究。

5. **COVID-19 Open Research Dataset (CORD-19)**: 疫情期间的重要数据集，收录了关于新冠病毒的相关文献和数据。

6. **Global Burden of Disease Study (GBD)**: 数据集展示了全球范围内多种疾病的负担情况，包括发病率、死亡率等信息。