特定机器学习问题的基准测试数据

商业敏感数据虽然难以获取,但好在仍有相当多有用数据可公开访问。它们中的不少常用来作为特定机器学习问题的基准测试数据。常见的有以下几个:

UCL机器学习知识库

包括近300个不同大小和类型的数据集,可用于分类、回归、聚类和推荐系统任务。数据集列表位于:UCI Machine Learning Repository

Amazon AWS公开数据集

包含的通常是大型数据集,可通过Amazon S3访问。这些数据集包括人类基因组项目、Common Crawl网页语料库、维基百科数据和Google BooksNgrams。相关信息可参见:Open Data Sponsorship Program | AWS

Kaggle

这里集合了Kaggle举行的各种机器学习竞赛所用的数据集。它们覆盖分类、回归、排名、推荐系统以及图像分析领域,可从Competitions区域下载,不过其中的许多数据集是收费的:Kaggle Competitions

KDnuggets

这里包含一个详细的公开数据集列表,其中一些上面提到过的。该列表位于:http://www.kdnuggets.com/datasets/index.html

美国联邦政府数据集

这里提供了许多关于气候变化、教育以及海洋方面的数据:http://www.data.gov

来自infochimps公司的数据集

来自infochimps公司的数据集,已经开放了超过14000多个数据集,不过遗憾的是很多数据集是要购买的:Software Development Company | DEV

百万歌曲数据库

百万歌曲数据库,来自哥伦比亚大学,默认的百万曲库达到了280GB。就连这个数据库的样本版(10,000首歌)都达到了1.8 GB(已经压缩过):Welcome! | Million Song Dataset

蛋白质信息资源数据集

提供了基因序列,蛋白质和生物研究的数据集,很多关于DNA的机器学习的论文都用了这个网站的数据源:http://pir.georgetown.edu

手写数字图像数据集

训练数据集包含了60,000条手写数字图像,测试数据10,000条。在很多人的论文中都采用了这个数据集,并且用了各种算法比如KNN,SVM,NN等。是图像识别中比较好的数据集:MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

人脸识别数据库

来自麻省大学:http://vis-www.cs.umass.edu/fddb/

一些贝叶斯网

Index of /html

kdd99数据集

KDD Cup 1999 Data

数据集索引

Data Analysis and Management Research Group

华盛顿大学

VFML

搜狗数据资源

包括了评测集合、语料数据、新闻数据、图片数据以及自然语言处理相关数据:搜狗搜索引擎 - 上网从搜狗开始

相关推荐
Scc_hy6 分钟前
强化学习_Paper_1988_Learning to predict by the methods of temporal differences
人工智能·深度学习·算法
袁煦丞9 分钟前
【亲测】1.5万搞定DeepSeek满血版!本地部署避坑指南+内网穿透黑科技揭秘
人工智能·程序员·远程工作
大模型真好玩11 分钟前
理论+代码一文带你深入浅出MCP:人工智能大模型与外部世界交互的革命性突破
人工智能·python·mcp
_一条咸鱼_13 分钟前
LangChain 入门到精通
机器学习
遇码24 分钟前
大语言模型开发框架——LangChain
人工智能·语言模型·langchain·llm·大模型开发·智能体
在狂风暴雨中奔跑24 分钟前
使用AI开发Android界面
android·人工智能
飞哥数智坊26 分钟前
AI编程实战:30分钟实现Web 3D船舶航行效果
人工智能·three.js
誉鏐29 分钟前
从零开始设计Transformer模型(1/2)——剥离RNN,保留Attention
人工智能·深度学习·transformer
Ai野生菌30 分钟前
工具介绍 | SafeLLMDeploy教程来了 保护本地LLM安全部署
网络·人工智能·安全·大模型·llm
契合qht53_shine36 分钟前
OpenCV 从入门到精通(day_05)
人工智能·opencv·计算机视觉