CASO DE ESTUDIO COMPLEMENTARIO: APRENDIZAJE DE
CÁNCER DE MAMA MEDIANTE IMÁGENES
Durante el transcurso de este curso, abordaremos un problema de aprendizaje
relacionado con el melanoma cutáneo, una forma de cáncer de piel. Sin
embargo, en esta sección en particular, con el propósito de simplificar,
realizaremos algunas pruebas iniciales utilizando un conjunto de datos más
simple conocido como "breast cancer" (cáncer de mama).
El conjunto de datos "breast cancer" se deriva de imágenes digitalizadas de
aspirados de aguja fina (FNA) de masas mamarias. Estas imágenes se
procesan y se extraen características de los núcleos celulares presentes en
ellas. Estas características se describen en un espacio tridimensional, lo que
proporciona información valiosa para el diagnóstico y la clasificación del cáncer
de mama.
Aunque el conjunto de datos "breast cancer" es relativamente pequeño, es
ampliamente conocido en la literatura y se utiliza como referencia en muchos
estudios y aplicaciones de Machine Learning. Además, se encuentra disponible
en diversas bibliotecas y herramientas de Machine Learning, como Scikit-
Learn, lo que facilita su acceso y utilización en proyectos de análisis de datos y
clasificación.
Para utilizar este conjunto de datos en nuestras pruebas iniciales,
presentaremos el código necesario para cargar los datos en variables de
Python de manera sencilla. Presta atención a la estructura del bloque de código
que se mostrará a continuación, ya que será explicada detalladamente para
que puedas comprender su funcionamiento y adaptarlo según tus necesidades.
A partir del código anterior, se puede extraer la siguiente información:
• X e y son dos estructuras de datos tipo dataframe (marco de datos) que
son almacenadas en tipo Pandas (biblioteca muy usada en Python). Un
dataframe se entiende como un vector n-dimensional, resultando en
general mucho más cómodo trabajar con este tipo de estructura de
datos que con numpy.
