摘要：很難找到一個特定的數(shù)據(jù)集來解決對應(yīng)的機器學(xué)習(xí)問題，這是非常痛苦的。下面的網(wǎng)址列表不僅包含用于實驗的大型數(shù)據(jù)集，還包含描述、使用示例等，在某些情況下還包含用于解決與該數(shù)據(jù)集相關(guān)的機器學(xué)習(xí)問題的算法代碼。

1 -Kaggle數(shù)據(jù)集

網(wǎng)址：https：//www.kaggle.com/datasets

這是我最喜歡的數(shù)據(jù)集網(wǎng)站之一。每個數(shù)據(jù)集都有對應(yīng)的一個小型社區(qū)，你可以在其中討論數(shù)據(jù)、查找公共代碼或在內(nèi)核中創(chuàng)建自己的項目。該網(wǎng)站包含大量形狀、大小、格式各異的真實數(shù)據(jù)集。你還可以看到與每個數(shù)據(jù)集相關(guān)的“內(nèi)核”，其中許多不同的數(shù)據(jù)科學(xué)家提供了筆記來分析數(shù)據(jù)集。有時在某些特定的數(shù)據(jù)集中，你可以從筆記中找到相應(yīng)的算法，解決預(yù)測問題。

2 -亞馬遜數(shù)據(jù)集

網(wǎng)址：https：//registry.opendata.aws

該數(shù)據(jù)源包含多個不同領(lǐng)域的數(shù)據(jù)集，如：公共交通、生態(tài)資源、衛(wèi)星圖像等。它也有一個搜索框來幫助你找到你正在尋找的數(shù)據(jù)集，另外它還有數(shù)據(jù)集描述和使用示例，這是非常簡單、實用的!

3- UCI機器學(xué)習(xí)庫：

網(wǎng)址：https：//archive.ics.uci.edu/ml/datasets.html

 

 

這是加州大學(xué)信息與計算機科學(xué)學(xué)院的一個數(shù)據(jù)庫，包含了100多個數(shù)據(jù)集。它根據(jù)機器學(xué)習(xí)問題的類型對數(shù)據(jù)集進(jìn)行分類。你可以找到單變量、多變量、分類、回歸或者是推薦系統(tǒng)的數(shù)據(jù)集。UCI的某些數(shù)據(jù)集已經(jīng)更新完畢并準(zhǔn)備使用。

4-谷歌的數(shù)據(jù)集搜索引擎：

網(wǎng)址：https：//toolbox.google.com/datasetsearch

 

 

在2018年末，谷歌做了他們最擅長的事情，推出了另一項偉大的服務(wù)。它是一個可以按名稱搜索數(shù)據(jù)集的工具箱。谷歌的目標(biāo)是統(tǒng)一成千上萬個不同的數(shù)據(jù)集存儲庫，使這些數(shù)據(jù)能夠被發(fā)現(xiàn)。

5 -微軟數(shù)據(jù)集：

網(wǎng)址：https：//msropendata.com

2018年7月，微軟與外部研究社區(qū)共同宣布推出“微軟研究開放數(shù)據(jù)”。

它在公共云中包含一個數(shù)據(jù)存儲庫，用于促進(jìn)全球研究社區(qū)之間的協(xié)作。另外它還提供了一組在已發(fā)表的研究中使用的、經(jīng)過整理的數(shù)據(jù)集。

6-Awesome公共數(shù)據(jù)集：

網(wǎng)址：https：//github.com/awesomedata/awesome-public-datasets

這是一個按照主題分類的，由社區(qū)公開維護的一系列數(shù)據(jù)集清單，比如生物學(xué)、經(jīng)濟學(xué)、教育學(xué)等。這里列出的大多數(shù)數(shù)據(jù)集都是免費的，但是在使用任何數(shù)據(jù)集之前，你應(yīng)該檢查相應(yīng)的許可要求。

7 -政府?dāng)?shù)據(jù)集：

政府的相關(guān)數(shù)據(jù)集也很容易找到。許多國家為了提高知名度，向公眾分享了各種數(shù)據(jù)集。例如：

歐盟開放數(shù)據(jù)門戶：歐洲政府?dāng)?shù)據(jù)集。 https://data.europa.eu/euodp/data/dataset

新西蘭政府?dāng)?shù)據(jù)集。https://catalogue.data.govt.nz/dataset

印度政府?dāng)?shù)據(jù)集。https://data.gov.in/

8-計算機視覺數(shù)據(jù)集：

網(wǎng)址：https：//www.visualdata.io

如果你從事圖像處理、計算機視覺或者是深度學(xué)習(xí)，那么這應(yīng)該是你的實驗獲取數(shù)據(jù)的重要來源之一。

該數(shù)據(jù)集包含一些可以用來構(gòu)建計算機視覺(CV)模型的大型數(shù)據(jù)集。你可以通過特定的CV主題查找特定的數(shù)據(jù)集，如語義分割、圖像標(biāo)題、圖像生成，甚至可以通過解決方案(自動駕駛汽車數(shù)據(jù)集)查找特定的數(shù)據(jù)集。

綜上所述，從我所觀察到的情況來看，越來越多的用于研究機器學(xué)習(xí)的各種數(shù)據(jù)集變得更容易獲取，維護這些新數(shù)據(jù)集的社區(qū)，也將不斷地發(fā)展，使計算機科學(xué)社區(qū)能夠繼續(xù)快速創(chuàng)新，為生活帶來更多創(chuàng)造性的解決方案。

文章原標(biāo)題《Top Sources For Machine Learning Datasets》，譯者：黃小

標(biāo)簽： Google 代碼 谷歌 數(shù)據(jù)庫 搜索 搜索引擎

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。