9、基于k - NN算法的乳腺癌诊断

基于k - NN算法的乳腺癌诊断

1. k - NN算法简介

基于实例的学习器不构建模型，因此k - NN算法属于非参数学习方法，即不会学习数据的参数。非参数方法虽限制了我们理解分类器如何使用数据的能力，但能让学习器发现自然模式，而非强行将数据套入预设且可能有偏差的函数形式。尽管k - NN分类器被认为是“懒惰”的，但它功能强大，可用于自动化癌症筛查过程。

2. 乳腺癌诊断实例

乳腺癌的常规筛查能在症状显现前诊断和治疗疾病。早期检测需检查乳腺组织有无异常肿块，若发现肿块则进行细针穿刺活检，提取细胞样本，由临床医生在显微镜下判断肿块是良性还是恶性。若机器学习能自动识别癌细胞，将提高检测效率，让医生有更多时间治疗疾病，还能消除人为因素的主观性，提高检测准确性。

3. 数据收集

使用来自UCI机器学习库的威斯康星乳腺癌诊断数据集，该数据集由威斯康星大学的研究人员提供，包含乳腺肿块细针穿刺数字化图像的测量值，代表数字图像中细胞核的特征。
- 数据集包含569个癌症活检样本，每个样本有32个特征。
- 一个特征是患者的唯一标识符，一个是癌症诊断结果（“M”表示恶性，“B”表示良性），另外30个是数值型的实验室测量值。
- 这30个数值测量值包括10种不同细胞核特征的均值、标准误差和最大值，具体特征如下：
- 半径
- 纹理
- 周长
- 面积
- 光滑度
- 紧凑度
- 凹陷度
- 凹陷点数
- 对称性
- 分形维数

4. 数据探索与准备