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
Breast-Cancer-Prediction:在人工智能学术课程中使用监督学习决策树算法进行乳腺癌预防
2021-08-28 00:57:54
257KB
1
在该数据集中，有58个H＆E染色的组织病理学图像用于乳腺癌细胞检测，并提供了相关的地面真实数据。
Breast Cancer Cell Segmentation_datasets.txt
Breast Cancer Cell Segmentation_datasets.zip
2021-08-12 01:42:43
93.67MB
1
业分类-物理装置-一种三阴性乳腺癌细胞迁移和侵袭能力检测分子标志物及其应用.zip
2021-08-09 13:06:18
706KB
自适应神经模糊推理系统（ANFIS）是一种能够进行函数逼近的计算工具，可以解决乳腺癌的分类问题。本实验设计了一种自适应神经模糊推理系统，用于乳腺癌分类问题。内附实验程序和实验报告，亲测完美运行。
2021-08-04 21:22:20
516KB
1
KNN专用大数据集，这个数据集包含569例细胞活检案例，每个案例有32个乳房肿块活检图像显示的细胞核的特征。第一个特征是ID，第二个是这个案例的癌症诊断结果，癌症诊断结果用编码"M"表示恶性，B表示良性。其他30个特征是数值型的其他指标，包括细胞核的半径(Radius)、质地(Texture)、周长(Perimeter)、面积(Area)和光滑度(Smoothness)等的`均值、标准差和最大值。
2021-08-04 16:14:02
122KB
1
汉族和维吾尔族三阴性乳腺癌患者组织中E-cad及VEGF的表达差异.pdf
2021-08-04 09:05:02
1007KB