乳腺癌预测细胞核特征数据集-shubamsumbria

乳腺癌预测细胞核特征数据集-shubamsumbria 数据来源：互联网公开数据 标签：乳腺癌,预测,机器学习,细胞核特征,医学,数据集,UCI机器学习库 数据概述： 本数据集包含从乳腺肿块细针穿刺活检（FNA）数字图像中计算出的特征数据，用于预测乳腺肿块的良恶性。数据集中的每个样本由10个实值特征组成，这些特征描述了细胞核的特性，包括半径、纹理、周长、面积、平滑度、紧实度、凹度、凹点数、对称性和分形维数等。 数据集使用多表面方法树（MSM-T）算法构建分类模型，通过线性规划来构造决策树。特征选择过程通过穷举搜索的方法在1-4个特征和1-3个分离面的空间中进行。 数据用途概述： 该数据集适用于乳腺癌预测模型的训练和评估、机器学习研究以及医学数据分析等场景。研究人员可以利用此数据集开发和优化乳腺癌预测算法；医学专业人士可以使用该数据集进行临床辅助决策；教育机构则可利用此数据集进行相关课程的教学和实验。数据集为乳腺癌的研究提供了宝贵的特征数据支持。