癌症数据-随机森林案例分析实例

二分类数据集breast_cancer.csv，数据大小569x30

20210513-兴业证券-2021_AACR_（American_Associationfor_Cancer_Research）会议梳理.pdf

乳腺癌数据分类模型 在乳腺癌数据上实现不同的分类模型，并通过K折交叉验证来验证模型的准确性，并通过网格交叉来获得合适的超参数。 涵盖的型号。 1）通过网格搜索和K折交叉验证进行XG增强2）通过网格搜索和K折交叉验证进行逻辑回归

根据细胞大小和肿瘤厚度两个参数来判断良/恶性乳腺癌肿瘤

皮肤癌分割-ISIC2018 使用Unet和Mask R-CNN对皮肤病变（黑色素瘤）病变进行分割。 任务：病变分割 Unet：seg_unet.ipynb 损失：0.147 精度：0.946 jaccard_distance：0.723 灵敏度：0.878 特异性：0.97 面罩-RCNN：seg_mask_RCNN.ipynb

决策树癌症预测 使用现有数据通过决策树进行学习来预测乳腺癌的示例（scikit-learn / python） 加工 收集的数据样本已分为测试样本和训练样本。 使用scikit的决策树生成器和转换集，可用于基于ID3生成树。 然后可以将测试数据用于交叉验证生成的树的准确性。 这个小程序还生成pdf，以可视化生成的树。 注意 该程序仅用于演示/实验目的。 以下是依赖项 python numpy scipy scikit-学习pydotplus graphviz 使用说明 安装python版本2.7 要安装上述软件包，请遵循以下命令 点安装numpy 点安装scipy 点安装scikit学

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

皮肤癌图片识别

乳腺癌复发数据集，由南斯拉夫卢布尔雅那大学肿瘤研究所的M. Zwitter 和 M. Soklic 于1988年捐赠。包含286条记录，10个属性（是否复发，肿瘤位置、大小、结节等），都为分类变量，可用于练习数据挖掘。