关键词：
在机器学习任务实施前，如何快速寻找到可用数据集，是令每一位研究人员最头痛的事情。本文为大家列举了八大主流数据集来源，不仅包含大量的数据集信息，而且包含了描述、用法以及一些实施案例等。
01 Kaggle数据集
Kaggle数据集地址
https://www.kaggle.com/datasets
这是我最喜欢的数据集之一，每个数据集都对应于一个小型社区，你可以在其中讨论数据、查找公共代码，或者在其中创建自己的项目。这里包含了大量不同类型、不同结构的数据集内容。同时，还可以在其中获取到与每个数据集关联的资料，其中包含了许多数据科学家们提供的数据集分析笔记等。
02 Amazon数据集
AWS开放数据地址
https://registry.opendata.aws/
这个数据集中包含了不同领域的数据内容，例如：公共交通、生态资源、卫星图像等。同时提供了搜索功能，以帮助用户找到所需的数据集，还有各种数据集的描述信息以及用例，非常易于使用。
数据集存储在Amazon Web Services（AWS）资源中，对于使用AWS构建自己机器学习实验的用户来说，传输速度将非常块。
03 UCI机器学习数据集
UCI数据集地址：
https://archive.ics.uci.edu/ml/datasets.html
这个数据集来自于加州大学信息与计算机科学学院，其中包含了100多个数据集。根据机器学习问题的类型对数据集进行分类，可找到单变量或多变量时间序列数据集，以及分类、回归或推荐系统的数据集。
04 Google
数据集搜索引擎
Google数据集搜索引擎
https://toolbox.google.com/datasetsearch
在2018年末，Google推出了数据集搜索服务。这是一个可以按名称搜索数据集的搜索引擎，目标是为数万个不同数据集存储库提供统一搜索入口，非常好用。
05 微软数据集
在2018年7月，微软与外界研究社区一起，发布了微软研究开发数据。
微软数据集地址：
https://msropendata.com/
它包含了云服务器中的数据存储库，致力于促进全球研究社区的协作，并在其中提供了一系列用于已发表研究的数据集内容。
06 Awesome 开放数据集收藏列表
Awesom Public Datasets
https://github.com/awesomedata/awesome-public-datasets
本数据集列表中，按主题整理了大量的数据集内容，例如：生物学、经济学、教育等。其中列出的大多数数据集都是免费的，但在使用任何数据集之前，均需检查数据集的许可要求。
07 政府数据集
许多国家均在网络上提供了多种公众可用的政府数据集内容，例如：
欧洲政府数据集
https://data.europa.eu/euodp/data/dataset
美国政府数据集
https://www.data.gov/
新西兰政府数据集
https://catalogue.data.govt.nz/dataset
印度政府数据集
https://data.gov.in/
北爱尔兰公共数据集
https://www.opendatani.gov.uk/
08 VisualData数据集
VisualData数据集
https://www.visualdata.io/
视觉数据包含了一些用于构建计算机视觉模型的优秀数据集，用户可通过某个CV主题查询，例如语义分割、图像标题、图像生成、自动驾驶汽车等内容。
总之，从目前观察到的现象看，似乎存在一个全球性的方向，即向研究与机器学习社区提供越来越多的数据。这些新数据集的社区将继续发展并使数据更加易用，以便众包与计算机科学界能够继续快速创新，并为未来生活带来更多创造性的方案。
原文链接：
https://medium.com/datadriveninvestor/top-8-sources-for-machine-learning-and-analytics-datasets-5d2d94ada8ab仅供学术分享，侵删
觉得还不错就给我一个小小的鼓励吧！机器学习之必知开源数据集
之前看到的不错的文章，玩机器学习数据是关键，有了这些东西，你就不必再为没有数据而苦恼。 转自：https://www.365soke.cn机器学习的研究与实现，离不开大数据。知晓通用的开源数据集，一方面可以验证自己算法，而另一... 查看详情
3w+深度盘点：机器学习面试知识点梳理！(代码片段)
大家好，今天我来梳理一下机器学习、算法、数据挖掘等岗位面试时必备的知识点，欢迎收藏学习，喜欢点赞支持。机器学习主要分为监督学习和无监督学习。有监督学习：对具有标记的训练样本进行学习，... 查看详情
国内外经典开源数据大全！
...↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过 Datawhale干货 来源：Graviti，方向：开源数据集本文整理了国内外经典的开源数据，包含了目标检测、自动驾驶、人脸识别、自然语言处理... 查看详情
机器挖掘之经典算法
在机器学习中，有一种叫做「没有免费的午餐」的定理。简而言之，它指出没有任何一种算法对所有问题都有效，在监督学习（即预测建模）中尤其如此。例如，你不能说神经网络总是比决策树好，反之亦然。有很多因素在起作... 查看详情
机器学习初探（手写数字识别）matlab读取数据集
手写数字识别是机器学习里面的一个经典问题，今天就这一段时间学习的机器学习，花一个下午茶的时间，试试机器学习。首先数据库是在MNIST（http://yann.lecun.com/exdb/mnist/）下载下来的。下载下来的数据如下图所示。官方有给出... 查看详情
机器学习算法盘点
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 机器学习的算法很多。很多... 查看详情
如何选择开源的机器学习框架？
虽然机器学习还处于早期发展阶段，但是其融入相关行业的应用，前景不可估量，其潜在价值也注定机器学习必将成为企业的主要应用技术。本文和大家分享的是针对不同行业，我们应该如何选择合适的开源框架，一起来看看... 查看详情
pyhon3实现机器学习经典算法knn(代码片段)
一、KNN概述 K-（最）近邻算法KNN（k-NearestNeighbor）是数据挖掘分类技术中最简单的方法之一。它具有精度高、对异常值不敏感的优点，适合用来处理离散的数值型数据，但是它具有 非常高的计算复杂度和空间复杂度... 查看详情
spark探索经典数据集movielens
...息。 这个数据集经常用来做推荐系统，机器学习算法的测试数据集。尤其在推荐系统领域，很多著名论文都是基于 查看详情
经典的机器学习方面源代码库
经典的机器学习方面源代码库编程语言：搞实验个人认为当然matlab最灵活了（但是正版很贵），但是更为前途的是Python（numpy+scipy+matplotlib)和C/C++，这样组合既可搞研究，也可搞商业开发，易用性不比matlab差，功能组合更为强大... 查看详情
机器学习笔记：常用数据集之scikit-learn内置玩具数据集(代码片段)
...糖尿病数据集例3：手写数字数据集1.前言 机器学习算法是以数据为粮食的，所以机器学习开发的第一步就是数据的准备。数据预处理和特征工程是机器学习中不显眼（没有像算法开发那样亮丽）但是往... 查看详情
深度盘点：初学者必备这15个scikit-learn重要技能(代码片段)
Scikit-Learn是一个非常棒的python库，用于实现机器学习模型和统计建模。通过它，我们不仅可以实现各种回归、分类、聚类的机器学习模型，它还提供了降维、特征选择、特征提取、集成技术和内置数据集的功能。今天... 查看详情
[转]最好用的ai开源数据集top39：nlp语音等6大类
...据集通常在产品和研发两方面都有用。【学术】这些是在机器学习和AI的学术研究中通常作为基准或基线使用的数据集。无论好坏，研究人员都使用这些数据 查看详情
机器学习经典算法源码分析系列--线性回归
一、单变量线性回归：1.数据集可视化 2.求解模型参数对于线性回归模型，有两种方法可以求解模型参数。1） 梯度下降法 将代价函数代入展开： Matlab代码实现： 2） 正规方程 Mat... 查看详情
机器学习经典模型简单使用及归一化（标准化）影响测试(代码片段)
俗话说的好，不动手就永远不知道该怎么做，上次一听说要做这个的时候人都懵了，听了几次似乎都摸不到门道，这次花了几天时间去写了写，总算是摸到了点门道。实验数据集这次用到的数据集是跟火电厂有关的，都是匿名特... 查看详情
第一篇：使用spark探索经典数据集movielens
...息。 这个数据集经常用来做推荐系统，机器学习算法的测试数据集。尤其在推荐系统领域，很多著名论文都是基于这个数据集的。(PS:它是某次具有历史意义的推荐系统竞赛所用的数据集)。 & 查看详情
机器学习|机器学习评估方法
机器学习评估方法留出法(holdout)：数据集预留出一部分数据为测试集，将数据集D划分为训练集S和测试集T。大概比例为测试集占全局数据量的(1/5~1/3)留一法：留一法是留出法的特例，即每次测试集T只留一个数据，剩下的作为训... 查看详情
机器学习图解十大经典机器学习算法
【机器学习】图解十大经典机器学习算法 决策树（DecisionTree）根据一些feature（特征）进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出... 查看详情