乳腺癌探索性数据分析与分类
面向乳腺癌分类的临床与诊断特征表格数据集，用于探索性数据分析与模型训练。
基本信息
资源简介
乳腺癌探索性数据分析与分类
【数据集背景】
本数据集源站标题为《Breast Cancer Exploratory Data Analysis EDA》。源站首次发布：2025-11-29。
【数据内容】
源站原始描述：This dataset contains clinical and diagnostic features related to Breast Cancer, designed for comprehensive Exploratory Data Analysis (EDA) and subsequent predictive modeling. It is derived from digitized images of Fine Needle Aspirates (FNA) of breast masses. The dataset features quantitative measurements, typically calculated from the characteristics of cell nuclei, including: - Radius - Texture - Perimeter - Area - Smoothness - Compactness - Concavity - Concave Points - Symmetry - Fractal Dim…
【数据结构与技术规格】
文件数 4 个，合计 10.75 MB。
【主题与分类】
主题标签：exploratory data analysis、r。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/mannekuntanagendra/breast-cancer-exploratory-data-analysis-eda
使用许可：MIT。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
# 首次使用需 Kaggle 账号授权（浏览器弹一次，凭据缓存后免重复）
import kagglehub
path = kagglehub.dataset_download("mannekuntanagendra/breast-cancer-exploratory-data-analysis-eda")
print("数据已下载至:", path) # 返回本地目录路径
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token,
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d mannekuntanagendra/breast-cancer-exploratory-data-analysis-eda
unzip breast-cancer-exploratory-data-analysis-eda.zip -d breast-cancer-exploratory-data-analysis-eda/
数据集大小约 0.01 GB。
数据说明
该数据集包含临床和诊断特征，用于乳腺癌的探索性数据分析（EDA）和分类任务。数据模态为表格，适用于机器学习分类模型构建。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
具体字段与含义以源站说明和实际文件表头为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
