在 breast_cancer_wisconsin_data_set数据集上使用贝叶斯算法，对是目标否患乳腺癌进行预测分类。

乳腺癌 sklearn乳腺癌数据集的机器学习练习

机器学习-肿瘤识别 在乳腺癌数据集上探索了机器学习技术，以建立算法来预测肿瘤是恶性还是良性。 比较了诸如Logistic回归，k最近邻和决策树等有监督学习算法的性能。 还研究了使用PCA和Pearson相关矩阵进行特征工程的效果以及使用欠采样和过采样进行数据工程的效果。

用于乳腺癌数据集的 BBO-MLP 虹膜数据集的 MMO-MLP 可以在这里找到： http : //www.mathworks.com.au/matlabcentral/fileexchange/45804-biogeography-based-optimizer--bbo--for-training-multi-layer-perceptron--毫升- 基于生物地理学的优化器 (BBO) 被用作多层感知器 (MLP) 的训练器。 当前的源代码是用于解决虹膜分类问题的 BBO-MLP 训练器的演示。 本次提交中还有其他培训师：粒子群优化 (PSO)、蚁群优化 (ACO)、遗传算法 (GA)、进化策略 (ES) 和基于概率的增量学习 (PBIL)。 BBO-MLP 的分类精度在 main.m 文件的末尾计算，并与 PSO、ACO、ES、GA 和 PBIL 的分类精度进行比较。 最后绘

数据是用于乳腺X线摄影扫描的图像和标签/注释。自动发现病变对医师而言将是非常有用的工具，还可根据发现/标记的病变预测恶性肿瘤。 Info.txt all_mias_scans.h5 MIAS Mammography_datasets.txt MIAS Mammography_datasets.zip

Breast Cancer Dataset is provided by University of Wisconsin.本数据集由威斯康星大学提供。 breastcancer_unformatted-data breastcancer_unformatted-data.data breastcancer_wdbc.data breastcancer_wdbc.names breastcancer_wpbc.names breastcancer-wisconsin.data breastcancer-wisconsin.names

手动搭建了一个bp神经网路，对乳腺癌数据集进行分类。数据集从sklearn中获得，神经网络用numpy手动搭建。手动搭建了一个bp神经网路，对乳腺癌数据集进行分类。数据集从sklearn中获得，神经网络用numpy手动搭建。

二分类数据集，乳腺癌数据集，568条记录，30类特征，可以用分类算法如xgboost，svm等分类算法

基于matlab的Iris、乳腺癌数据集的模式识别分类算法，含有 遗传算法+SVM、isodata、感知器算法、LMSE、神经网络等算法的实现代码，用于聚类效果良好，是模式识别大作业的参考资料 网盘链接：https://pan.baidu.com/s/1gQ_BHGWOGpmYv86gyv6EuQ 提取码：xigi