乳腺肿块分类：将乳腺肿块识别为良性或恶性。

简介：
本项目采用多种机器学习算法，例如支持向量机、逻辑回归、决策树、朴素贝叶斯以及人工神经网络，对乳腺肿块进行良性或恶性的分类，从而客观评估乳房X光造影的质量。针对每条曲线，均绘制了ROC曲线，旨在识别最适合解决该问题的最佳分类算法。目前，乳房X线照相术被认为是目前最有效的乳腺癌筛查手段。然而，由于乳房X线照片解读可能导致低阳性预测值，进而引发大约70%的不必要的活检结果均为良性，因此亟需减少不必要的乳房活检数量。 近年来，为了协助医生做出是否进行乳房活检或短期随访检查的决定，涌现出多种计算机辅助诊断（CAD）系统。该研究所使用的数据集来源于UCI储存库中的“乳腺摄影质量”公共数据集。该数据集可用于根据BI-RADS属性和患者的年龄进行分析。 数据集包含6个属性：其中一个属性用于评估严重程度（目标字段），一个属性用于BI-RADS评估（非预测性），其余四个属性则具有预测性。 属性信息如下：BI-RADS评估范围为1到5。