数据简介：
本数据集包含多项基于乳腺肿瘤细胞核特征提取的医学测量值，用于辅助良恶性肿瘤（诊断结果为“B”或“M”）的分类研究。特征来自数字化乳腺细针穿刺活检（FNA）图像，包括肿瘤半径、周长、纹理、平滑度、紧致度等多维指标。该数据集广泛用于医学影像分析、肿瘤分类建模、机器学习训练等应用。
字段说明：
id：唯一标识符
diagnosis：诊断结果，M 表示恶性（Malignant），B 表示良性（Benign）
以下为肿瘤形态学特征的均值（mean）、标准误（se）、和“worst”值（即在图像中最恶劣的 10% 像素块所测得的最大值）：
radius_*：半径，估算为从质心到边界的平均距离
texture_*：纹理，灰度值的标准差
perimeter_*：周长
area_*：面积
smoothness_*：轮廓平滑程度（边界长度变化）
compactness_*：紧致度，定义为周长²/面积−1.0
concavity_*：轮廓凹陷程度
concave points_*：轮廓上凹点的数量
symmetry_*：对称性
fractal_dimension_*：分形维度，衡量轮廓的复杂性
数据特征：
特征维度：30 个数值型特征 + 1 个标签（diagnosis）
特征类型：连续变量（均为标准化数值）
标签类型：二分类（B/M）
数据来源：
美国威斯康星大学麦迪逊分校医院，原始数据由 Dr. William H. Wolberg 收集，广泛用于机器学习教学和医学分类研究。该版本可能源自 UCI Machine Learning Repository 的 WBCD 数据集（Breast Cancer Wisconsin Diagnostic）。
数据格式：
表格结构，列为字段，行为样本记录，均为结构化数据。字段无缺失值，适合直接用于建模分析。
适用场景：
医学图像分析辅助诊断
二分类模型训练与评估（如决策树、支持向量机、神经网络等）
特征工程与降维研究（如 PCA、LDA）
医学可解释性建模与敏感特征分析
