数据集信息：
特征是根据乳腺肿块细针抽吸物 (FNA) 的数字化图像计算得出的。这些特征描述了细胞核的特征。
上述分离平面是使用多表面方法树 (MSM-T) [KP Bennett，“通过线性规划构建决策树”。第四届中西部人工智能和认知科学学会论文集，第 97-101 页，1992] 获得的，这是一种使用线性规划构建决策树的分类方法。相关特征是在 1-4 个特征和 1-3 个分离平面的空间中使用穷举搜索来选择的。用于在
三维空间中获得分离平面的实际线性程序在以下文献中进行了描述：[KP Bennett 和 OL Mangasarian：“两个线性不可分集的稳健线性规划判别”，优化方法和软件 1，1992，23-34]。
属性信息：
ID 号
诊断（M = 恶性，B = 良性）
为每个细胞核计算十个实值特征（3-32）：
a）半径（从中心到周边点的距离平均值）
b）纹理（灰度值的标准偏差）
c）周长
d）面积
e）平滑度（半径长度的局部变化）
f）紧密度（周长²/面积 - 1.0）
g）凹度（轮廓凹陷部分的严重程度）
h）凹点（轮廓凹陷部分的数量）
i）对称性
j）分形维数（“海岸线近似” - 1）
引用自：
Dua, D. 和 Graff, C. (2019)。UCI 机器学习存储库 [ http://archive.ics.uci.edu/ml]。加利福尼亚州欧文市：加利福尼亚大学信息与计算机科学学院。
