威斯康星州乳腺癌诊断数据集
该数据集是一个用于乳腺癌诊断研究的公开数据集，其数据模态为经过数字化图像分析提取的细胞核形态特征表格数据，包含数百个样本的半径、纹理、周长等多个数值型特征以及对应的良恶性诊断标签，主要用于机器学习分类算法（如逻辑回归、支持向量机）的模型训练与验证，以辅助实现乳腺癌的自动或辅助诊断。
创建时间2024-11-20
更新时间2024-11-20
资源简介
该数据集是一个经典的医学机器学习数据集，包含从乳腺肿块的细针穿刺（FNA）样本中提取的细胞核形态特征。数据主要包括每个细胞核的半径、纹理、周长、面积、平滑度、紧凑度、凹度、对称性等数值特征，以及一个目标变量‘诊断’，用于指示肿瘤是良性（B）还是恶性（M）。该数据集来源于真实临床样本的数字化图像分析，主要用于机器学习算法在乳腺癌诊断中的分类模型训练、特征选择研究和医疗辅助诊断系统的开发。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 乳腺癌 的高质量、多模态真实临床数据定制解决方案。