威斯康星乳腺癌（诊断）数据集
该数据集是一个基于细胞核特征的医疗表格数据集，包含从乳腺肿块细针穿刺样本中提取的半径、纹理、周长等多维数值特征，主要用于通过机器学习方法进行乳腺癌的良恶性分类预测，支持医学诊断辅助和生物信息学研究。
创建时间2024-10-20
更新时间2024-10-20
资源简介
该数据集是一个经典的医疗数据集，主要用于乳腺癌诊断预测。数据集包含从乳腺肿块细针穿刺（FNA）中提取的细胞核特征，如半径、纹理、周长、面积、光滑度、紧密度、凹度、对称性和分形维数等数值特征。这些特征基于数字化图像计算得出，可用于区分肿瘤为良性或恶性。该数据集常用于机器学习分类任务，如逻辑回归、支持向量机、决策树等模型的训练与评估，是医学诊断辅助和生物信息学研究的常用基准数据。
提供机构：管理员小F
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。