数据集概述
该数据集围绕三阴性与非三阴性乳腺癌诊断展开，包含用于机器学习模型评估的实验数据及SHAP可视化分析的相关资料，为研究乳腺癌诊断模型性能及特征解释提供支持。
文件详解
该数据集包含一个目录及两个文件，具体说明如下：
- 目录: Evaluation of Machine Learning Models and SHAP Visualization on the Diagnosis of Triple Negative and Non-Triple Negative Breast Cancer/
- 文件列表:
- breast_cancer_dataset.csv: CSV格式数据文件，包含乳腺癌诊断相关字段，如年龄（Age）、身高（Height）、体重（Weight）、病灶大小（Size）、临床症状（Clinical_symptoms）、触诊结果（Palpation）、病灶形状（Shape）、纵横比（Aspect_ratio）、边缘特征（Margin）、结构扭曲（Architectural_distortion）、微钙化（Microcalcification）、后方回声（Posterior_echo）、高回声晕（Hyperechoic_halo）、内部血流（Internal_flow）、外周血流（Peripheral_flow）及癌症诊断标签（cancer）
- code.doc: DOC格式文档文件，可能包含机器学习模型评估及SHAP可视化的代码说明或相关文档
适用场景
- 医学诊断模型研究: 评估机器学习模型在乳腺癌亚型诊断中的性能
- 医疗数据可视化分析: 利用SHAP技术解释模型诊断结果的关键特征
- 乳腺癌临床特征研究: 分析临床指标与乳腺癌亚型的关联
- 医疗AI算法优化: 基于数据集改进乳腺癌诊断算法的准确性与可解释性
