乳腺癌威斯康星诊断数据集
该数据集包含从乳腺肿块细针穿刺细胞核图像中提取的30个数值特征，数据模态为临床表格数据，主要用于乳腺癌的良恶性二分类研究，是机器学习在医学影像分析和辅助诊断领域的经典基准数据集，广泛应用于分类算法（如支持向量机、决策树）的性能评估和模型开发。
创建时间2017-10-13
更新时间2020-04-26
原始链接
https://github.com/AkshayMewada/ML-on-Breast-Cancer-Wisconsin-Diagnostic-Dataset-using-Scikit-Learn
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
该数据集是一个公开的乳腺癌诊断数据集，包含569个样本，每个样本具有30个特征，这些特征从乳腺肿块的细针穿刺细胞核图像中提取而来，包括细胞核的平均半径、纹理、周长、面积、平滑度、紧密度、凹度、凹点数量、对称性和分形维数等。数据来源于威斯康星大学医院，主要用于乳腺癌的良恶性分类研究，是机器学习在医学影像分析和辅助诊断领域的经典基准数据集。
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 炎性乳腺癌 的高质量、多模态真实临床数据定制解决方案。