“红斑鳞屑”疾病的鉴别诊断是皮肤病学的一个实际问题。它们都具有红斑和鳞屑的临床特征，差异很小。这一类疾病包括牛皮癣、脂溢性皮炎、扁平苔藓、玫瑰糠疹、慢性皮炎和毛发红糠疹。通常，诊断需要活检，但不幸的是，这些疾病也具有许多共同的组织病理学特征。
首先对患者进行 12 项临床评估。然后，采集皮肤样本，评估 22 项组织病理学特征。组织病理学特征的值是通过在显微镜下分析样本来确定的
特征值信息
在为此领域构建的数据集中，如果家族中观察到任何这些疾病，则家族史特征的值为 1，否则为 0。年龄特征仅表示患者的年龄。
其他每个临床和组织病理学特征都被赋予了 0 到 3 范围内的等级。其中，0 表示该特征不存在，3 表示可能的最大数量，1、2 表示相对中间值。
探索思路
每个属性的分布：探索数据集中每个属性（列）的分布。您可以使用直方图或箱线图来可视化每个属性的分布并查找任何模式或异常值。
相关性分析：使用相关矩阵探索数据集中不同属性之间的关系。这可以帮助确定哪些属性彼此最密切相关，并且可能有助于预测类标签。
缺失值分析：调查Age属性中缺失的值，在数据集中以‘?’表示。确定缺失值的比例，并评估是否需要填补。
类别分布：探索数据集中类别标签的分布。您可以使用条形图来直观显示每个类别的实例数量，并确定数据集是平衡的还是不平衡的。
特征工程：考虑创建可能有助于预测类标签的新特征。例如，您可以创建一个结合特定临床属性或组织病理学属性的特征。
异常值检测：探索数据集中是否存在任何异常值。异常值可能会扭曲数据的分布并影响机器学习模型的性能。您可以使用箱线图或散点图来可视化每个属性的分布并识别任何潜在的异常值。
