## 問題描述
數據集來自美國威斯康星州乳腺癌(診斷)數據集，醫療人員采集了患者乳腺腫塊經過細針穿刺(FNA)后的數字化圖像。并且對這些數字圖像進行特征提取，這些特征可以描述圖像中的細胞核呈現。腫瘤可以分成良性和惡性，采集的數據集見：
Git.
請使用**SVM**對乳腺癌數據進行分類，預測患者的腫瘤是否為良性。
數據表一共包括了32個字段，代表的含義如下：
| 字段 | 含義 |
| --- | --- |
| ID |ID標識 |
| Diagnosis |M/B（M：惡性，B：良性）|
| radius_mean |半徑（點中心到邊緣的距離）平均值|
| texture_mean |文理（灰度值的標準差）平均值|
| perimeter_mean |周長 平均值 |
| area_mean |面積 平均值 |
| smoothness_mean |平滑程度（半徑內的局部變化）平均值|
| compactness_mean |緊密度（=周長*周長/面積-1.0）平均值|
| concavity_mean |凹度（輪廓凹部的嚴重程度）平均值 |
| concave points_mean |凹縫（輪廓的凹部分）平均值|
| symmetry_mean |對稱性 平均值 |
| fractal_dimension_mean |分形維數（=海岸線近似-1）平均值 |
| radius_se |半徑（點中心到邊緣的距離）標準差 |
| texture_se |文理（灰度值的標準差）標準差 |
| perimeter_se |周長 標準差 |
| area_se |面積 標準差 |
| smoothness_se |平滑程度（半徑內的局部變化）標準差 |
| compactness_se |緊密度（=周長*周長/面積-1.0）標準差 |
| concavity_se |凹度（輪廓凹部的嚴重程度）標準差 |
| concave points_se |凹縫（輪廓的凹部分）標準差 |
| symmetry_se |對稱性標準差 |
| fractal_dimension_se |分形維數（=海岸線近似-1）標準差 |
| radius_worst |半徑（點中心到邊緣的距離）最大值 |
| texture_worst |文理（灰度值的標準差）最大值 |
| perimeter_worst |周長 最大值 |
| area_worst |面積 最大值 |
| smoothness_worst |平滑程度（半徑內的局部變化）最大值 |
| compactness_worst |緊密度（=周長*周長/面積-1.0）最大值 |
| concavity_worst |凹度（輪廓凹部的嚴重程度）最大值 |
| concave points_worst |凹縫（輪廓的凹部分）最大值 |
| symmetry_worst |對稱性 最大值 |
| fractal_dimension_worst |分形維數（=海岸線近似-1）最大值 |
字段中包含mean的代表平均值，包含se的代表標準差（standard error），包含worst代表最大值（3個最大值的平均值）。每張圖像都計算了相應的特征，得出了這30個特征值。（實際上是10個特征值的3個維度：平均、標準差、最大值）。
這些特征值都保留了4位數字。字段中沒有缺失的值。在整個569個患者中，一共有357個是良性，212個是惡性。
