从乳腺肿块的细针抽吸（FNA）的数字化图像计算特征。它们描述了图像中存在的细胞核的特征。
在3维空间中描述的空间如下：[KP Bennett和OL Mangasarian：“两个线性不可分集合的鲁棒线性编程判别”，优化方法和软件1，1992，23-34]。

该数据库也可以通过UW CS ftp服务器获得：
ftp ftp.cs.wisc.edu
cd math-prog / cpo-dataset / machine-learn / WDBC /

属性信息：

1）ID号
2）诊断（M =恶性，B =良性）
3-32）

为每个细胞核计算十个实值特征：

a）半径（从中心到周边点的距离的平均值）
b）纹理（灰度值的标准偏差）
c）周边
d）面积
e）平滑度（半径长度的局部变化）
f）紧密度（周长^ 2 /面积-1.0）
g）凹度（轮廓的凹入部分的严重程度）
h）凹点（轮廓的凹入部分的数量）
i）对称性
j）分形维数（“海岸线近似”-1）

为每个图像计算这些特征的平均值，标准误以及“最差”或最大（三个最大值的平均值），
从而得到30个特征。例如，字段3是平均半径，字段
13是半径SE，字段23是最差半径。

所有功能值都用四个有效数字重新编码。

缺少属性值：无

等级分配：357良性，212恶性