本项目基于 UCI 机器学习库中的公开乳腺癌（Breast Cancer Wisconsin）数据集，旨在通过数据挖掘与可视化分析，探索关键医学特征与肿瘤良恶性之间的关联。

我负责了完整的数据清洗与探索性分析（EDA）工作。通过 Python 的 Pandas 库处理缺失值并构建特征矩阵，利用 Matplotlib 和 Seaborn 对 30 个核心特征（如半径、纹理、平滑度等）进行了相关性热力图与分布对比图绘制。最终产出包含各项指标分布、特征相关矩阵及良恶性比例的可视化分析报告，直观揭示了影响乳腺癌诊断的关键因子，为后续机器学习建模提供了可靠的数据基础。