宫颈癌分析的Matlab代码，通过属性约简实现。

简介：
通过对来自Kaggle的数据集进行的分析，利用27个可能与宫颈癌发展存在因果关系的属性，构建了一个预测性的二元分类模型，旨在为宫颈癌的诊断提供支持。本项目着重于运用奇异值分解、支持向量机以及人工神经网络等技术，深入探究哪些属性对判断女性是否患上宫颈癌具有最显著的影响。该数据集包含四项诊断测试的结果：Hinselmann检查、席勒检查、细胞学检查和活检。具体而言，Hinselmann检查的结果进行了奇异值分解处理，而所有四项结果均分别利用支持向量机（SVM）和人工神经网络（ANN）进行分析。此项目是塔夫茨大学课程MATH123:MathematicalAspects of Data Analysis 的最终作业，其中包含宫颈癌相关的Python代码及主数据分析部分，该部分利用支持向量机和人工神经网络构建二元分类模型，以确定个体是否会被诊断为宫颈癌。