sklearn中的乳腺癌数据集介绍

在Scikit-learn中，乳腺癌数据集被称为Breast Cancer Wisconsin (Diagnostic)数据集，也是一个用于分类任务的数据集。该数据集与威斯康星大学医学院的乳腺癌数据集相同，都包含了乳腺组织的数字化图像，并且每个图像都有一个二元标签，分别表示该组织为恶性或良性。该数据集共有569个样本，其中212个为恶性，357个为良性。

每个样本包含30个数值型特征，这些特征与威斯康星大学医学院的乳腺癌数据集相同，包括半径、纹理、周长、面积、光滑度、紧凑度、对称性、分形维度等。在Scikit-learn中，该数据集可以通过以下方式进行加载：

from sklearn.datasets import load_breast_cancer
data = load_breast_cancer()
X = data.data # 特征矩阵
y = data.target # 标签

其中，`data.data`表示特征矩阵，`data.target`表示标签。