乳腺癌肿瘤诊断数据集-威斯康星州-20世纪90年代
数据来源：互联网公开数据
标签：乳腺癌,肿瘤,诊断,分类,机器学习,医疗,肿瘤学,病理学,监督学习
数据概述：
本数据集收录了威斯康星州医院的乳腺癌肿瘤诊断信息，旨在预测肿瘤是良性（B）还是恶性（M）。数据集包含569个样本，每个样本有33个特征，这些特征描述了细胞核的各种测量指标，例如半径、纹理、周长等。数据集中良性肿瘤的样本数量为357个，恶性肿瘤的样本数量为212个。数据分析发现，半径均值与最差均值之间存在高度相关性，表明恶性肿瘤通常具有较大的半径。通过进一步探索，发现多个特征之间存在多重共线性。为了消除这种影响，可以移除相关性较高的特征。
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，特别是用于二元分类问题。研究人员可以使用该数据集开发和测试各种分类算法，例如逻辑回归、随机森林、决策树、K近邻、支持向量机（SVM）和朴素贝叶斯等。通过分析分类报告、混淆矩阵和准确率等指标，可以评估模型的性能。此外，该数据集也适用于探索特征之间的关系，进行特征选择和降维，以及改进模型性能，例如通过集成学习技术。该数据集在医学研究和医疗诊断领域具有重要的应用价值，可用于辅助医生进行乳腺癌的诊断和治疗。
