乳腺癌诊断图像特征预测数据集
数据来源：互联网公开数据
标签：乳腺癌,诊断,预测,医学,图像分析,肿瘤,细胞核,机器学习
数据概述：
本数据集为威斯康星州乳腺癌诊断数据集，旨在预测乳腺癌的良恶性。数据集包含从乳腺肿块细针穿刺(FNA)的数字化图像中计算得到的特征，这些特征描述了图像中细胞核的特性。
数据集包含十个针对每个细胞核计算的实数值特征：
a) 半径（从中心到边界上各点的距离的平均值）
b) 纹理（灰度值的标准差）
c) 周长
d) 面积
e) 平滑度（半径长度的局部变化）
f) 紧凑度（周长^2 / 面积 - 1.0）
g) 凹陷度（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）
数据用途概述：
该数据集主要用于机器学习模型的训练和评估，以预测乳腺癌的良恶性。 适用于医学研究、疾病诊断辅助、教学演示等多种场景。 研究人员可以利用此数据探索不同的机器学习算法，进行特征工程，优化预测模型，从而提高乳腺癌诊断的准确性。 此外，该数据集也被广泛用于教育目的，帮助学生理解机器学习在医学领域的应用，以及细胞图像特征在疾病诊断中的作用。
