威斯康星乳腺癌诊断数据集
该数据集是一个基于细胞核形态特征的医疗表格数据集，包含从威斯康星乳腺癌细针穿刺数字化图像中提取的569个样本的30个数值特征，用于二元分类任务，区分乳腺肿瘤的良性或恶性，主要应用于机器学习模型的训练、评估以及医疗诊断研究，支持分类算法基准测试和癌症数据分析。
创建时间2025-09-08
更新时间2025-12-05
原始链接
https://modelscope.cn/datasets/mnemoraorg/wisconsin-breast-cancer-diagnostic
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
该数据集源自威斯康星乳腺癌（诊断）数据集，是一个用于开发和评估机器学习模型的综合资源，专注于将乳腺肿瘤进行二元分类，即判断其为良性（B）或恶性（M）。数据包含从乳腺肿块细针穿刺（FNA）数字化图像中计算得到的特征，提供了一系列用于计算病理学和诊断研究的定量指标。数据集结构包含569个样本和32个列，其中30个数值特征分为三类：均值、标准误差和最差值，描述了细胞核的半径、纹理、周长等形态特征。数据集无缺失值，类别分布相对平衡（357个良性，212个恶性），广泛应用于医疗健康分析、教育以及支持向量机、逻辑回归、神经网络等分类算法的基准测试，是预测建模和癌症研究的重要工具。
提供机构：maas
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。