八大机器学习数据集

近日，Medium上的一位用户整理了一份机器学习大型数据集清单，包括八大数据集资源库。总有一款适合你，快来收藏吧！

下面的ML大型数据集，总有一款适合你。

就目前来看，找到一个特定的数据集来解决各种机器学习问题，甚至进行实验还是比较困难的。

本文作者Will Badr便列举了八大机器学习数据集。

不仅包含用于实验的大型数据集，还附带对数据集的描述以及使用示例。有的还包含用于解决与该数据集相关机器学习问题的算法代码。

话不多说，上数据集！

1、Kaggle数据集

数据集地址：

https://www.kaggle.com/datasets

这是作者最喜欢的数据集之一。

每个数据集都是一个小型社区，用户可以在其中讨论数据、查找公共代码或在内核中创建自己的项目。包含各式各样的真实数据集。

用户还可以看到与每个数据集相关的“内核”，许多数据科学家还提供了相关手册来分析数据集。

2、Amazon数据集

数据集地址：

https://registry.opendata.aws/

该数据源包含多个不同领域的数据集，如：公共交通、生态资源、卫星图像等。

网页中也有一个搜索框来帮助用户寻找想要的数据集，还有所有数据集的描述和使用示例，这些数据集信息丰富且易于使用！

数据集存储在Amazon Web Services (AWS)资源中，比如Amazon S3——云中的一个高度可伸缩的对象存储服务。

如果用户正在使用AWS进行机器学习实验和开发，这将非常方便，由于它是AWS网络的本地数据，因此数据集的传输将非常快。

3、UCI机器学习资源库

数据集地址：

https://archive.ics.uci.edu/ml/datasets.html

另一个来自加州大学信息与计算机科学学院的大型资源库，包含100多个数据集。

用户可以找到单变量和多变量时间序列数据集，分类、回归或推荐系统的数据集。

有些UCI的数据集已经是被清洗过的。

4、谷歌数据集搜索引擎

数据集地址：

https://toolbox.google.com/datasetsearch

在2018年末，谷歌做了他们最擅长的事情，推出了另一项伟大的服务——它是一个可以按名称搜索数据集的工具箱。

他们的目标是统一成千上万个不同的数据集存储库，使这些数据能够且易被发现。

5、微软数据集

数据集地址：

https://msropendata.com/

2018年7月，微软与外部研究社区共同宣布推出“Microsoft Research Open Data”。

它在云中包含一个数据存储库，用于促进全球研究社区之间的协作。它提供了一系列用于已发表研究的、经过处理的数据集。

6、Awesome Public Datasets Collection

数据集地址：

https://github.com/awesomedata/awesome-public-datasets

这是一个按“主题”组织的数据集，比如生物学、经济学、教育学等。

这里列出的大多数数据集都是免费的，但是在使用任何数据集之前，用户需要检查一下许可要求。

7、政府数据集

政府相关数据集也很容易找到的。

许多国家为了提高透明度，向公众分享了各种数据集。以下是一些例子：

欧盟开放数据门户：欧洲政府数据集。

数据集地址：

https://data.europa.eu/euodp/data/dataset

美国政府数据：目前由于一些非政治性原因，暂时无法访问。

数据集地址：

https://www.data.gov/

新西兰政府数据集：

数据集地址：

https://catalogue.data.govt.nz/dataset

印度政府数据集：

数据集地址：

https://data.gov.in/

8、计算机视觉数据集

数据集地址：

https://www.visualdata.io/

Visual Data包含一些可以用来构建计算机视觉(CV)模型的大型数据集。

用户可以通过特定的CV主题查找特定的数据集，如语义分割、图像标题、图像生成，甚至可以通过解决方案(自动驾驶汽车数据集)查找特定的数据集。

总结

从上述作者所观察到数据集情况来看，似乎是涵盖各个方向和领域。

这些新数据集的社区将继续发展，使数据更容易被获取，使众包和计算机科学社区能够继续快速创新，为生活带来更多创造性的解决方案。