## 问题描述 数据集来自美国威斯康星州乳腺癌(诊断)数据集，医疗人员采集了患者乳腺肿块经过细针穿刺(FNA)后的数字化图像。并且对这些数字图像进行特征提取，这些特征可以描述图像中的细胞核呈现。肿瘤可以分成良性和恶性，采集的数据集见： Git. 请使用**SVM**对乳腺癌数据进行分类，预测患者的肿瘤是否为良性。 数据表一共包括了32个字段，代表的含义如下： | 字段 | 含义 | | --- | --- | | ID |ID标识 | | Diagnosis |M/B（M：恶性，B：良性）| | radius_mean |半径（点中心到边缘的距离）平均值| | texture_mean |文理（灰度值的标准差）平均值| | perimeter_mean |周长 平均值 | | area_mean |面积 平均值 | | smoothness_mean |平滑程度（半径内的局部变化）平均值| | compactness_mean |紧密度（=周长*周长/面积-1.0）平均值| | concavity_mean |凹度（轮廓凹部的严重程度）平均值 | | concave points_mean |凹缝（轮廓的凹部分）平均值| | symmetry_mean |对称性 平均值 | | fractal_dimension_mean |分形维数（=海岸线近似-1）平均值 | | radius_se |半径（点中心到边缘的距离）标准差 | | texture_se |文理（灰度值的标准差）标准差 | | perimeter_se |周长 标准差 | | area_se |面积 标准差 | | smoothness_se |平滑程度（半径内的局部变化）标准差 | | compactness_se |紧密度（=周长*周长/面积-1.0）标准差 | | concavity_se |凹度（轮廓凹部的严重程度）标准差 | | concave points_se |凹缝（轮廓的凹部分）标准差 | | symmetry_se |对称性标准差 | | fractal_dimension_se |分形维数（=海岸线近似-1）标准差 | | radius_worst |半径（点中心到边缘的距离）最大值 | | texture_worst |文理（灰度值的标准差）最大值 | | perimeter_worst |周长 最大值 | | area_worst |面积 最大值 | | smoothness_worst |平滑程度（半径内的局部变化）最大值 | | compactness_worst |紧密度（=周长*周长/面积-1.0）最大值 | | concavity_worst |凹度（轮廓凹部的严重程度）最大值 | | concave points_worst |凹缝（轮廓的凹部分）最大值 | | symmetry_worst |对称性 最大值 | | fractal_dimension_worst |分形维数（=海岸线近似-1）最大值 | 字段中包含mean的代表平均值，包含se的代表标准差（standard error），包含worst代表最大值（3个最大值的平均值）。每张图像都计算了相应的特征，得出了这30个特征值。（实际上是10个特征值的3个维度：平均、标准差、最大值）。 这些特征值都保留了4位数字。字段中没有缺失的值。在整个569个患者中，一共有357个是良性，212个是恶性。