cs231n乳房X线照片
使用CBIS-DDSM数据集将乳房X线照片分类为良性/恶性。 斯坦福CS 231N。
2021-11-10 14:55:52
92.32MB
1
使用机器学习进行乳腺癌预测
问题识别：
乳腺癌是女性中最常见的恶性肿瘤，占美国女性确诊的癌症的三分之一，并且是女性癌症死亡的第二大主要原因。 乳腺癌是由于乳房组织中细胞异常生长（通常称为肿瘤）而导致的。 肿瘤并不意味着癌症-肿瘤可以是良性（非癌性），恶性前（癌性前）或恶性（癌性）。 诸如MRI，乳房X线照片，超声和活检的检查通常用于诊断所进行的乳腺癌。
目标：
目的是对乳腺癌患者被诊断为良性还是恶性进行分类。 为此，我们使用了机器学习分类方法来拟合可以预测新患者分类的功能。
入门
该项目分为以下步骤：
导入库和数据
数据预处理
数据可视化
建筑模型
导入库和数据集：
1.1）图书馆：二手熊猫，NumPy，Matplotlib，Seaborn和Sklearn图书馆
1.2）数据集：乳腺癌数据集是由加利福尼亚大学欧文分校维护的机器学习存储库。 该数据集包含569个恶性和良性肿瘤细胞
2021-09-11 11:14:25
176KB
1
《python机器学习及实践》良/恶性乳腺肿瘤预测训练数据
2021-08-07 21:07:53
14KB
1
《python机器学习及实践》良/恶性乳腺肿瘤预测测试数据
2021-08-07 21:07:52
2KB
1
恶性淋巴瘤是一种影响淋巴结的癌症。一组代表三种类型的恶性淋巴瘤：CLL（慢性淋巴细胞性白血病）；FL（滤泡状淋巴瘤）; MCL（套细胞淋巴瘤）。从经切片并用苏木精/曙红（H + E）染色的活组织检查中区分淋巴瘤类别的能力将使该疾病的诊断更加一致且要求不高。只有专门研究这些类型的淋巴瘤的最专业的病理学家才能从H + E染色的活组织检查中一致，准确地对这三种淋巴瘤类型进行分类。标准做法是使用特定于类的探针，以便可靠地区分这些类。
2021-07-22 20:55:26
1.35GB
1