乳腺癌细胞核图像诊断数据集-威斯康星州-1992

乳腺癌细胞核图像诊断数据集-威斯康星州-1992 数据来源：互联网公开数据 标签：乳腺癌,诊断,细胞核,图像分析,机器学习,医疗,肿瘤,病理,分类 数据概述： 本数据集基于乳腺肿块的细针穿刺(FNA)数字化图像，包含对细胞核特征的计算。数据集共有569个实例，每个实例对应一个细胞核图像的特征描述。这些特征描述了细胞核的形态学特征，包括半径、纹理、周长、面积、平滑度、紧凑度、凹陷度、凹点、对称性和分形维数。对于每个细胞核，计算了这十个特征的均值、标准误差和最大值（“最坏”或三个最大值的均值），总共生成了30个特征。此外，数据集还包含每个样本的ID号和诊断结果（良性或恶性）。

数据用途概述： 该数据集主要用于乳腺癌诊断的机器学习模型训练和评估。研究人员可以使用这些数据开发和测试算法，以预测乳腺癌的良恶性，从而辅助医生进行诊断。此外，该数据集也常用于教学，帮助学生理解机器学习在医学领域的应用，并进行特征工程和模型构建的实践。数据分析师可以利用该数据集进行探索性数据分析，了解不同特征与诊断结果之间的关系，从而深入理解乳腺癌的生物学特性。