【文件属性】：
文件名称：Breast-Tumor-Diagnosis:数据挖掘最终项目
文件大小：227KB
文件格式：ZIP
更新时间：2021-03-05 09:56:21
Python
乳腺肿瘤诊断
目的是预测乳腺肿瘤细针穿刺活检的诊断。 进行细针穿刺活检时，会获得一小滴液体，并且由病理学家对样品进行评估。 在这种情况下，将样品表达到载玻片上并染色。 用于数字分析的图像是由安装在显微镜顶部的彩色摄像机生成的。 为了成功地分析数字图像，用户选择一组核并通过图形用户界面指定每个细胞核边界的每个位置。 然后，系统分析并计算与这些原子核的大小，形状和纹理有关的特征。 具体来说，它将计算所选单元格范围内10个特征的平均值，最大值和标准误差。 提取的10个特征是：半径（从中心到周边点的距离的平均值），纹理（灰度值的标准偏差），周长，面积，平滑度（半径长度的局部变化），紧密度（周长^ 2 /面积-1.0），凹度（轮廓凹部的严重程度），凹点（轮廓凹部的数量），对称性和分形维数（“海岸线近似”）。
使用决策树进行特征选择（30个中的5个）。
对以下分类器执行了超参数优化：逻辑回归，决策
【文件预览】：
Breast-Tumor-Diagnosis-master
----breast-cancer-wisconsin-data.zip(49KB)
----DM Final Project_1.py(2KB)
----DM Final Project_3.py(5KB)
----DM Final Project_6_LR.py(4KB)
----DM Final Project_6_SVC.py(3KB)
----DM Final Project_6_RF.py(4KB)
----DM Final Project_6_KNN.py(3KB)
----DM Final Project_4.py(10KB)
----Nuclear Feature Extraction for Breast Tumor Diagnosis.pdf(191KB)
----README.md(4KB)
----DM Final Project_6_XGB.py(3KB)
----DM Final Project_6_DT.py(3KB)
----DM Final Project_2.py(23KB)
----data.csv(122KB)
----DM Final Project_5.py(5KB)