Breast Cancer Wisconsin (Diagnostic) Data Set 乳腺癌威斯康星州（诊断）数据集-预测癌症是良性还是恶性

从乳腺肿块的细针抽吸（FNA）的数字化图像计算特征。它们描述了图像中存在的细胞核的特征。在3维空间中描述的空间如下：[KP Bennett和OL Mangasarian：“两个线性不可分集合的鲁棒线性编程判别”，优化方法和软件1，1992，23-34]。

Features are computed from digitized images of fine-needle aspirate (FNA) of breast masses. They characterize the cell nuclei present in the images. The spatial descriptions defined in 3-dimensional space are as follows: [KP Bennett and OL Mangasarian: "Robust Linear Programming Discrimination of Two Linearly Inseparable Sets", Optimization Methods and Software 1, 1992, 23–34].

搜集汇总

背景与挑战

背景概述

该数据集基于乳腺肿块细针抽吸的数字化图像计算特征，用于预测癌症的良恶性。它包含30个从细胞核衍生出的实值特征，如半径、纹理和凹度等，并记录了357个良性样本和212个恶性样本。数据由威斯康星大学的研究者创建，采用多表面方法树等分类方法进行处理。