威斯康星州乳腺癌诊断数据集
该数据集为乳腺癌诊断数据集，包含从乳腺肿块细针穿刺数字化图像中提取的细胞核特征数据，数据模态包括临床诊断结果（恶性或良性）和细胞核的十个实值特征（如半径、纹理、周长等）。其主要用途是支持医学数据分析、机器学习分类算法的训练与评估，以及辅助乳腺癌的计算机辅助诊断研究，为相关领域提供了重要的基准数据。
更新时间2022-06-20
原始链接
https://hf-mirror.com/datasets/scikit-learn/breast-cancer-wisconsin
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集为乳腺癌诊断数据集，其数据源自威斯康星州乳腺癌诊断研究。数据内容包含乳腺肿块细针穿刺（FNA）数字化图像中提取的细胞核特征，具体包括ID号、诊断结果（恶性或良性）以及每个细胞核的十个实值特征（如半径、纹理、周长、面积、平滑度等）。数据集的构建方式是通过多表面方法树（MSM-T）分类方法，利用线性规划构建决策树来获得分离平面，并通过在1-4个特征和1-3个分离平面的空间中进行穷举搜索来选择相关特征。该数据集主要应用于医学数据分析、机器学习算法（特别是分类算法）的开发和评估，以及辅助乳腺癌的计算机辅助诊断研究。
提供机构：scikit-learn
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。