乳腺癌预测数据集（10000 名患者）
该数据集来自 kaggle.com，包含 10000 条合成患者记录，共 23 个特征，目标变量为 Cancer（二分类，表示是否诊断为乳腺癌）
基本信息
资源简介
乳腺癌预测数据集（10000 名患者）
Breast Cancer Prediction Dataset | 10,000 Patient
该数据集来自 kaggle.com，包含 10000 条合成患者记录，共 23 个特征，目标变量为 Cancer（二分类，表示是否诊断为乳腺癌）。数据覆盖人口统计学信息、生活方式因素、病史、诊断发现等内容，适用于二分类建模、机器学习、数据预处理、特征工程、探索性数据分析及教育项目。数据集以 CSV 格式提供，包含主数据文件 breast_cancer_prediction.csv 和特征说明文件 data_dictionary.csv（来源 Kaggle，CC BY-NC-SA 4.0 许可）。
【数据集背景】
源站首次发布：2026-07-13。
【数据内容】
源站描述（机器翻译，仅供参考）：乳腺癌预测数据集（合成） 概述 本数据集包含 10,000 条合成患者记录，面向机器学习、数据科学与教育用途。它涵盖人口统计学信息、生活方式因素、病史、诊断发现，以及一个表示乳腺癌诊断的二值目标变量。该数据集适用于： - 二分类 - 机器学习 - 数据预处理 - 特征工程 - 探索性数据分析（EDA） - 教育项目 --- 数据集信息 - 记录数：10,000 - 特征数：23 - 目标变量：Cancer - 文件格式：CSV --- 文件 breast_cancer_prediction.csv 主数据集，包含所有患者记录与特征。 data_dictionary.csv 提供每个特征的描述、数据类型与示例。 --- 目标变量 | 取值 | 含义 | |------|---------| | 0 |
【数据结构与技术规格】
文件数 2 个，合计 1.17 MB。
【主题与分类】
主题标签：cancer、classification、nlp、healthcare、hospitals and treatment centers。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/mobeenfatimah/breast-cancer-prediction-dataset-10000-patient
使用许可：CC BY-NC-SA 4.0。
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
源站：https://kaggle.com/datasets/mobeenfatimah/breast-cancer-prediction-dataset-10000-patient
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.2 MB。
数据说明
Mobeen Fatima (2026). Breast Cancer Prediction Dataset | 10,000 Patient [Dataset]. https://www.kaggle.com/datasets/mobeenfatimah/breast-cancer-prediction-dataset-10000-patient
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
