乳腺癌威斯康星州诊断数据集
数据来源：互联网公开数据
标签：乳腺癌,诊断,医学,机器学习,图像分析,特征提取
数据概述：
本数据集来自威斯康星州乳腺癌（诊断）数据集，包含569个实例，每个实例代表一个乳腺肿块的细针穿刺活检（FNA）图像的特征。数据集共有30个数值型预测属性和1个类别属性。每个特征均分为均值、标准误差和最坏值（即三个最大值的均值）三组，共计30个特征。特征包括半径、纹理、周长、面积、平滑度、紧致度、凹度、凹点数、对称性和分形维度等。类别属性分为恶性（WDBC-Malignant）和良性（WDBC-Benign）两类。
数据用途概述：
该数据集适用于乳腺癌的诊断和分类研究，包括机器学习模型的训练与测试。研究人员可以利用这些特征来识别和区分恶性与良性乳腺肿块。此外，数据集也适用于医学影像分析、特征提取和模式识别等领域的研究。通过分析这些特征，可以帮助医生提高乳腺癌诊断的准确性和效率。
举例：
例如，数据集中字段3表示均值半径，字段13表示半径的标准误差，字段23表示最坏半径。通过分析这些特征数据，可以帮助医生判断乳腺肿块的性质，从而为患者提供更准确的诊断结果。
