乳腺癌细胞诊断数据集-威斯康星州-1988
数据来源：互联网公开数据
标签：乳腺癌,诊断,细胞,医学,机器学习,肿瘤,疾病,健康,临床数据
数据概述：
本数据集源自对乳腺肿块细针穿刺（FNA）图像的数字化分析，包含了对细胞核特征的详细描述。数据集共包含569个观测样本，每个样本均有32个属性。这些属性包括细胞核的ID号、诊断结果（恶性或良性），以及从细胞核图像中计算出的十个实数值特征。
这些特征包括：
半径（细胞核周边点到中心的平均距离）
纹理（灰度值的标准差）
周长
面积
平滑度（半径长度的局部变化）
紧凑度（周长^2 / 面积 - 1.0）
凹陷度（轮廓凹陷部分的严重程度）
凹点数（轮廓凹陷部分的数量）
对称性
分形维度（“海岸线近似” - 1）
数据由威斯康星大学的William H. Wolberg博士、W. Nick Street和Olvi L. Mangasarian创建并提供，发布于1988年。
数据用途概述：
该数据集广泛应用于乳腺癌的诊断和预测模型构建、机器学习算法的评估与比较、以及医学影像分析等领域。研究人员可以使用此数据训练和测试分类模型，以预测乳腺肿瘤的良恶性，从而辅助临床医生进行诊断。此外，该数据集也常被用于教学和研究，帮助学习者理解机器学习在医学领域的应用，并探索特征选择和模型优化的方法。
