R语言机器学习论文（二）：数据准备

禁止贸易或二改转载，仅供自学使用，侵权必究，如需截取部门内容请背景联系作者!

  
介绍

本文使用来自美国加州大学欧文分校: Breast Cancer Wisconsin (Diagnostic)的数据构建乳腺癌诊断分类模子。该数据集的特征是从乳腺肿块的细针抽吸（Fine Needle Aspirate, FNA）的数字化图像中盘算得出。它们描述了图像中存在的细胞核的特征[@street1993nuclear]。该数据集包含569份恶性和良性肿瘤的样本的30类临床指标。

• 数据会合的前两列分别存储了样本的独特辨认号码和相应的诊断效果（M代表恶性，B代表良性）。
  
  
• 第3至32列包含了从细胞核的数字化图像盘算得出的30个实数值的临床特征。
  

加载R包

[code][/code]
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。