乳腺癌肿瘤诊断特征数据集
数据来源：互联网公开数据
标签：乳腺癌,肿瘤,诊断,医学,特征,机器学习,疾病,健康
数据概述：
本数据集包含569个乳腺癌肿瘤的诊断特征，用于预测肿瘤是恶性（Malignant）还是良性（Benign）。 数据集包含了从细胞核图像计算得到的30个特征，这些特征描述了肿瘤的形态学特性。每个特征都包括均值、标准误差和“最坏情况”（即三个最大值的平均值）。例如，字段3代表半径的均值，字段13代表半径的标准误差，字段23代表“最坏”半径。 具体特征包括：
半径（radius）：从中心到周边点的平均距离
纹理（texture）：灰度值的标准差
周长（perimeter）：肿瘤的周长
面积（area）：肿瘤的面积
平滑度（smoothness）：半径长度的局部变化
紧凑度（compactness）：（周长^2）/ 面积 - 1.0
凹陷度（concavity）：轮廓凹陷部分的严重程度
凹点（concave points）：轮廓凹陷部分的数量
对称性（symmetry）：肿瘤的对称性
分形维数（fractal dimension）："海岸线近似值" - 1
诊断结果（Diagnosis）：患者是否患有癌症（'Malignant'，'Benign'）
数据用途概述：
该数据集主要用于乳腺癌的诊断和预测模型构建，适用于机器学习、数据挖掘等领域。 研究人员可以使用此数据来训练和评估分类模型，以预测肿瘤是恶性还是良性。 此外，该数据集也可用于探索不同特征与诊断结果之间的关系，进行特征重要性分析，从而帮助医生更好地理解肿瘤的特性，辅助临床决策。 还可以用于教育目的，例如在统计学、机器学习课程中作为案例研究使用。
