威斯康星州乳腺癌检测研究资料集

本研究资料集包含了2018年第二届机器学习与软计算国际会议（ICMLSC）上发表的论文《乳腺癌检测：机器学习算法在威斯康星州诊断数据集上的应用》的相关资源。本存储库虽然已淘汰且不再更新为使用TensorFlow 2版本，但仍可作为学习和参考的宝贵资料。

资源描述

本文针对威斯康星州诊断数据集（WDBC），对比了六种机器学习算法在乳腺癌检测方面的性能。这些算法包括线性回归、多层感知器（MLP）、最近邻（NN）搜索、Softmax回归和支持向量机（SVM）。研究通过测量各算法在分类测试中的准确性、敏感性以及特异性值，来评估它们的性能。

威斯康星州诊断数据集包含了根据乳腺肿块的细针穿刺（FNA）测试的数字化图像计算得出的特征。这些特征被用于训练和测试上述机器学习模型，以实现对乳腺癌的自动诊断。

使用说明

• 请注意，本存储库提供的资源仅为研究参考，不包含最新版本的TensorFlow框架支持。
• 若需深入研究文中提及的算法及数据集，请自行准备相应的数据集和机器学习环境。

版权声明

本存储库中的资源仅供个人学习和研究使用，未经授权不得用于商业目的或公开传播。尊重知识产权，合法使用资源。

--

本文档最后更新于2023年。