乳腺癌诊断数据集-威斯康星州乳腺癌诊断数据集WDBC
数据来源：互联网公开数据
标签：乳腺癌,诊断,肿瘤,医学,机器学习,分类,病理学,生物医学,特征工程
数据概述：
本数据集，即威斯康星州乳腺癌诊断数据集（WDBC），源于威斯康星州医院，旨在通过细胞核特征对乳腺肿瘤进行良性或恶性的分类。数据集包含569个实例，每个实例代表一个乳腺肿瘤的样本。每个样本包含一个ID号、诊断结果（M代表恶性，B代表良性），以及30个细胞核特征。这些特征分为三组：均值、标准误差和“最差”值（即三个最大值的均值），每组包含10个特征。这些特征描述了细胞核的各种属性，如半径、纹理、周长、面积、平滑度、紧凑度、凹陷度、凹点、对称性和分形维度。所有特征值均被编码为四位有效数字。
数据用途概述：
该数据集广泛应用于机器学习和数据挖掘领域，主要用于训练和评估乳腺癌诊断分类模型。研究人员可以利用该数据集进行特征分析、模型构建和性能评估，探索不同机器学习算法在乳腺癌诊断中的应用，例如支持向量机、逻辑回归、决策树等。该数据集也适用于医学研究，用于理解肿瘤的细胞学特征与诊断结果之间的关系。此外，该数据集还可用于教育目的，例如作为机器学习课程的实践案例，帮助学生理解分类问题的解决过程。
