力荐!50 个最实用的免费机器学习数据集
首先,在搜索数据集时要记住这几点:
- 数据集不应该是混乱的,因为你不希望花费大量时间来清理数据。
- 数据集不应包含太多行或列,要很容易使用。
- 数据越干净越好,因为清理大型数据集可能非常耗时。
- 这个数据集应该可以回答一个非常有趣的问题。
话不多说,开始吧!
数据集查找器
1、Kaggle:一个包含各种外部贡献数据集的数据科学网站。你可以在其主列表中找到各种合适的数据集,从拉面评级到篮球数据,甚至是西雅图宠物许可证,应有尽有。
https://www.kaggle.com/
2、UCI 机器学习库:网络上最古老的数据集源之一,是寻找有趣的数据集的第一站。虽然这里的数据集是用户贡献的,因此清洁度不一,但绝大多数都是干净的。你可以直接从 UCI 机器学习库下载数据,无需注册。
http://mlr.cs.umass.edu/ml/
一般数据集
政府公开数据集
3、Data.gov:该网站可以从多个美国政府机构下载数据。数据范围从政府预算到学校绩效分数。但请注意:大部分数据有待进一步研究。
https://www.data.gov/
4、食物环境地图集:包含当地食物选择如何影响美国饮食的数据。
https://catalog.data.gov/dataset/food-environment-atlas-f4a22
5、学校系统财务:对美国学校系统财务状况的调查。
https://catalog.data.gov/dataset/annual-survey-of-school-system-finances
6、慢性病数据:美国各地区慢性病指标数据。
https://catalog.data.gov/dataset/u-s-chronic-disease-indicators-cdi-e50c9
7、美国国家教育统计中心:来自美国和世界各地的教育机构和教育人口统计数据。
https://nces.ed.gov/
8、英国数据服务:英国最大的社会、经济和人口数据集。
https://www.ukdataservice.ac.uk/
9、Data USA:美国公共数据的全面可视化。
http://datausa.io/
金融与经济
10、Quandl:经济和金融数据很好的数据源,有助于建立预测经济指标或股票价格模型。
https://www.quandl.com/
11、世界银行开放数据:涵盖全球人口统计数据和大量经济和发展指标的数据集。
https://data.worldbank.org/
12、国际货币基金组织数据:国际货币基金组织公布的有关国际金融、债务利率、外汇储备、商品价格和投资的数据。
https://www.imf.org/en/Data
13、金融时报市场数据:来自世界各地的金融市场最新信息,包括股票价格指数、商品和外汇。
https://markets.ft.com/data/
14、谷歌趋势:检查和分析世界各地的互联网搜索活动和热门新闻报道的数据。
https://trends.google.com/trends/?q=google&ctab=0&geo=all&date=all&sort=0
15、美国经济协会(AEA):寻找美国宏观经济数据的良好来源。
https://www.aeaweb.org/resources/data/us-macro-regional
机器学习数据集
图像
16、Labelme:带图像标注的大型数据集。
http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php
17、ImageNet:业界最新算法图像数据集。根据 WordNet 层次结构进行组织,其中层次结构的每个节点由数百和数千个图像描述。
http://image-net.org/
18、LSUN:有众多辅助任务的场景理解(房间布局估计、特点预测等)
http://lsun.cs.princeton.edu/2016/
19、MS COCO:通用图像理解和字幕。
http://mscoco.org/
20、COIL100:100 个不同的物体,在 360 度旋转的每个角度成像。
http://www1.cs.columbia.edu/CAVE/software/softlib/coil-100.php
21、视觉基因组:非常详细的视觉知识库,带有~100K 图像的字幕。
http://visualgenome.org/
22、谷歌的开放图像:在知识共享版权下的 900 万个图像网址集合,“超过 6000 个类别标签注释”。
https://ai.googleblog.com/2016/09/introducing-open-images-dataset.html
23、Labelled Faces in the Wild:13,000 张人脸标记图像,用于开发人脸识别应用程序。
http://vis-www.cs.umass.edu/lfw/
24、斯坦福狗数据集:包含 20,580 张图片和 120 种不同的狗品种。
http://vision.stanford.edu/aditya86/ImageNetDogs/
25、室内场景识别:一种非常特殊的数据集,因为大多数场景识别模型都最好建立在“室外”,这个数据集非常实用。包含 67 个室内类别,总共 15620 张图像。
http://web.mit.edu/torralba/www/indoor.html
情绪分析
26、多域情绪分析数据集:一个有点老旧的数据集,其中包含来自亚马逊的产品评论。
http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
27、IMDB 评论:一个较旧的,相对较小的二元情绪分类数据集,包含 25,000 个电影评论。
http://ai.stanford.edu/~amaas/data/sentiment/
28、斯坦福情绪树库:带有情感注释的标准情绪数据集。
http://nlp.stanford.edu/sentiment/code.html
29、Sentiment140:一个流行的数据集,使用 160,000 条预先删除表情符号的推文。
http://help.sentiment140.com/for-students/
30、Twitter 美国航空公司情绪:2015 年 2 月美国航空公司的 Twitter 数据,分类为正面、负面和中性推文。
https://www.kaggle.com/crowdflower/twitter-airline-sentiment
自然语言处理
31、安然数据集:来自安然高级管理层的电子邮件数据,以文件夹形式分类存放。
https://www.cs.cmu.edu/~./enron/
32、亚马逊评论:包含亚马逊 18 年来约 3500 万条评论。数据包括产品和用户信息、评级和明文审核。
https://snap.stanford.edu/data/web-Amazon.html
33、Google Books Ngrams:Google 图书中的一系列文字。
https://aws.amazon.com/datasets/google-books-ngrams/
34、Blogger Corpus:收集了来自 blogger.com 的 681288 篇博文。每个博客至少包含 200 个常用英语单词。
http://u.cs.biu.ac.il/~koppel/BlogCorpus.htm
35、维基百科链接数据:维基百科全文。该数据集包含来自 400 多万篇文章的近 19 亿个单词。你可以按段落、短语或段落本身的一部分进行搜索。
https://code.google.com/archive/p/wiki-links/downloads
36、Gutenberg 电子书列表:Project Gutenberg 的电子书注释列表。
http://www.gutenberg.org/wiki/Gutenberg:Offline_Catalogs
37、加拿大议会议事录:来自第 36 届加拿大议会记录的 130 万对文本。
http://www.isi.edu/natural-language/download/hansard/
38、Jeopardy:来自有奖竞猜节目 Jeopardy 的超过 200,000 个问题归档。
https://www.reddit.com/r/datasets/comments/1uyd0t/200000_jeopardy_questions_in_a_json_file/
39、英语短信垃圾邮件集:由 5574 条英文短信垃圾邮件组成的数据集。
http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/
40、Yelp 评论:Yelp 发布的一个开放数据集,包含超过 500 万条评论。
https://www.yelp.com/dataset
41、UCI 垃圾邮件集:一个大型垃圾邮件数据集,对垃圾邮件过滤非常有用。
https://archive.ics.uci.edu/ml/datasets/Spambase
更详细列表:
https://gengo.ai/datasets/the-best-25-datasets-for-natural-language-processing/
自动驾驶
42、Berkeley DeepDrive BDD100k:目前是自动驾驶 AI 的最大数据集。包含超过 100000 个视频,包括一天中不同时段和天气条件下超过 1100 小时的驾驶体验。带注释的图像来自纽约和旧金山地区。
http://bdd-data.berkeley.edu/
43、百度 Apolloscapes:大型数据集,定义了 26 种不同的语义项目,如汽车、自行车、行人、建筑物、路灯等。
http://apolloscape.auto/
44、Comma.ai:超过 7 小时的高速公路驾驶数据。细节包括汽车的速度、加速度、转向角和 GPS 坐标。
https://archive.org/details/comma-dataset
45、牛津的机器人汽车:在英国牛津的同一条路线重复行驶 100 多次、耗时一年多收集的数据集。该数据集包含天气、交通和行人的不同组合,以及建筑和道路工程等长期变化。
http://robotcar-dataset.robots.ox.ac.uk/
46、城市景观数据集:一个大型数据集,记录 50 个不同城市的城市街景。
https://www.cityscapes-dataset.com/
47、CSSAD 数据集:此数据集对于自动驾驶车辆的感知和导航非常有用。但该数据集严重偏向发达国家的道路情况。
http://aplicaciones.cimat.mx/Personal/jbhayet/ccsad-dataset
48、KUL 比利时交通标志数据集:比利时法兰德斯地区数以千计的物理交通标志,有超过 10000 多个交通标志注释。
http://www.vision.ee.ethz.ch/~timofter/traffic_signs/
49、麻省理工学院实验室:在 AgeLab 收集的 1000 多个小时多传感器驾驶数据集的样本。
http://lexfridman.com/automated-synchronization-of-driving-data-video-audio-telemetry-accelerometer/
50、LISA:智能和安全汽车实验室,加州大学圣地亚哥分校数据集:该数据集包括交通标志、车辆检测、交通信号灯和轨迹模式。
http://cvrr.ucsd.edu/LISA/datasets.html
原文链接:
https://gengo.ai/datasets/the-50-best-free-datasets-for-machine-learning/
力荐!50 个最实用的免费机器学习数据集相关推荐
- 力荐50个最实用的免费机器学习数据集
首先,在搜索数据集时要记住这几点: 数据集不应该是混乱的,因为你不希望花费大量时间来清理数据. 数据集不应包含太多行或列,要很容易使用. 数据越干净越好,因为清理大型数据集可能非常耗时. 这个数据集应 ...
- 力荐 50 个最实用的免费机器学习数据集
https://www.toutiao.com/a6641833252602511879/ 2019-01-02 17:45:11 首先,在搜索数据集时要记住这几点: ♦ 数据集不应该是混乱的,因为你 ...
- 2020年学计算机需要什么配置,2020年9月开学季,从实用到高端,力荐10款DIY电脑配置...
Hello大家好,我是兼容机之家的小牛! 一晃眼,已经是九月中旬,大部分高校已经开学了,众多大一新生已经开启了丰富多彩的大学生活. 作为大学生活的一部分,电脑是必不可少的.一台性能强劲的电脑不仅能够提 ...
- 网友力荐教子名言 只有50句却能改变儿女一生
从当今的家庭来看,大多数的家长把自己的一切希望寄托在孩子的身上,这个〝望子成龙〞或〝盼女成凤〞的希望能否成为现实,需要多方面的努力,而家庭是孩子的第一所〝学校〞, 父母是孩子的第一位〝老师〞,家庭教育 ...
- 阿里巴巴400集python教程_摆摊吧,程序员!阿里巴巴力荐Python400集视频
阿里巴巴力荐的视频,对于初学者想更轻松的学好Python开发,爬虫技术,Python数据分析,人工智能等技术,这里也给大家准备了一套系统教学资源,下面介绍下大型Python400集视频学习资料 有五个 ...
- 百度推广——搜索营销新视角(百度官方出品,俞敏洪、吴晓波、徐雷力荐!)
百度认证系列丛书 百度推广--搜索营销新视角(百度官方出品,俞敏洪.吴晓波.徐雷力荐!) 百度营销研究院 著 ISBN 978-7-121-20311-4 出版年月:2013年6月出版 定价:59.0 ...
- 百度推广——搜索营销新视角(百度官方出品,俞敏洪、吴晓波、徐雷力荐!)...
百度认证系列丛书 百度推广--搜索营销新视角(百度官方出品,俞敏洪.吴晓波.徐雷力荐!) 百度营销研究院 著 ISBN 978-7-121-20311-4出版年月:2013年6月出版 定价:59.00 ...
- 新书发布《数字化转型方法论》:聚7万+企业数字化转型精华,获100+大咖力荐
新书发布<数字化转型方法论>:聚7万+企业数字化转型精华,获100+大咖力荐 近日,由国云数据CEO马晓东所著的国内第一本从战略.技术.人才.管理四个维度全方位.立体化地阐述数字化转型方法 ...
- 精选收集50个计算机热门视频教程免费下载[原创]
精选收集50个计算机热门视频教程免费下载[原创] 发扬网络共享精神,让免费资源传遍整个互联网.以下是本人精心挑选的50个计算机视频教程.收集不易,请各位网友多多支持. 欢迎大家转载,发扬共享精神. 0 ...
最新文章
- java NIO模型和三大核心原理
- 配置DATAGUARD 时关于 LOG_FILE_NAME_CONVERT配置错误的解决
- ssm read time out的原因_加盟蜜雪冰城未通过是什么原因?总部公布了两点原因
- 预备作业03 20162316刘诚昊
- 计算机基础是高校必修课,高校计算机基础教育教学方式改革
- PHP probuf详细步骤_【转】protobuffer php使用
- 为啥arm架构比x86 x64省电?
- 如何在Exchange 2013中禁用对ECP的外部访问
- shell中expr强大功能(2)
- ASP.NET OAuth 2.0 新手上路
- Linux下安装Zookeeper环境
- 无觅相关文章插件主页新版推出
- 区块链简介与PMD投资方式
- 无线路由器的连接与设置
- Vue3中关于getCurrentInstance的大坑
- JVM源码分析之Attach机制实现完全解读
- 在Word2007文档中设置页面边框
- 网络变压器的检测设备(5):检测单个元件时选择组合参数的方法
- 安卓逆向从入门到嗝屁之另一道CTF题目
- access是用来干什么的_Access是干嘛的,可以用来干什么?
热门文章
- WinForm容器内控件批量效验是否允许为空?设置是否只读?设置是否可用等方法分享
- Theano安装教程
- 【8086汇编】DOS系统中 edit 文本编辑器详解
- oracle 11g rac 恢复,11G RAC 异机恢复至单实例测试
- jquery获取已选择和未选择的checkBox项以及清空所选项
- QGIS制图中面积小的区域不显示注记
- Mac电脑查看本机的mac地址和ip地址
- 十进制100转换成八进制是多少?
- linux配置iscsi无账号密码,linux iscsi Initiator配置CHAP认证
- win10去掉快捷方式小箭头(win10桌面快捷方式小箭头怎么去掉)