注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 乳腺癌威斯康星（预后）数据集

  2. 数据来自：UCI机器学习库 http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/wpbc.names “每个记录代表一个乳腺癌病例的随访数据。这些是自1984年以来Wolberg博士所见的连续患者，仅包括那些在诊断时表现出浸润性乳腺癌并且没有远处转移证据的病例。

  3. 所属分类：其它

    • 发布日期：2018-12-12
    • 文件大小：124928
    • 提供者：weixin_44068410

  1. breast-cancer.data

  2. 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。

  3. 所属分类：其它

    • 发布日期：2020-03-19
    • 文件大小：18432
    • 提供者：qq_38387221

  1. 乳腺癌breast-cancer 数据集

  2. 本数据集是支持向量机数进行数据训练和测试的668样本，10维度，二分类。

  3. 所属分类：其它

    • 发布日期：2017-11-13
    • 文件大小：7168
    • 提供者：qq_26511917

  1. Breast-Cancer-Prediction-源码

  2. 乳腺癌预测 在乳腺癌数据集上采用了四种机器学习模型来确定最佳模型。 逻辑回归 决策树分类器 随机森林分类器 支持向量机

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：135168
    • 提供者：weixin_42134097

  1. breast-cancer-diagnostics-源码

  2. 使用机器学习进行乳腺癌诊断 该项目的目的是采用UCI机器学习存储库中的乳腺癌威斯康星州（诊断）数据集，并应用Logistic回归，朴素贝叶斯，支持向量机，决策树和多层感知器等机器学习模型来提取特征可能最适合预测癌症性质的数据集。 目的是对乳腺癌是良性还是恶性进行分类。 确定基于模型预测的模型的准确性，以相互分析和比较生成的模型，并从模型中选择最佳模型。 多层感知器是测试过的模型中最准确的模型，准确度为97.2％。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1048576
    • 提供者：weixin_42129797

  1. Breast-Cancer-Prediction-App-源码

  2. 乳腺癌预测应用 问题陈述 - 乳腺癌（BC）是全球女性中最常见的癌症之一，根据全球统计数据，它代表着大多数新的癌症病例和与癌症相关的死亡，这使其成为当今社会的重要公共卫生问题。 BC的早期诊断可以促进对患者的及时临床治疗，因此可以显着改善预后和生存机会。 ML技术已广泛用于乳腺癌分类问题。 它们提供了高分类精度和有效的诊断功能。 我们的主要目标是使用Flask API构建应用程序，并在Heroku上部署以对乳腺癌是良性还是恶性进行分类。 有了这段代码，我们将学习： 如何在Heroku上使用

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1048576
    • 提供者：weixin_42173205

  1. Breast Cancer Dataset乳腺癌数据集-数据集

  2. 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 bre

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：87040
    • 提供者：weixin_38696836