机器学习UCI数据库说明

http://archive.ics.uci.edu/ml/

 

数据库是加州大学欧文分校(UniversityofCaliforniaIrvine)提出的用于机器学习的数据库，这个数据库目前共有187个数据集，其数目还在不断增加，UCI数据集是一个常用的标准测试数据集。

 

UCI上的“MultipleFeatures”数据库,这是一个手写数字识别问题,其中每个数字的数字化图像由6组共649个特征表示。

 

 

UCI数据可以使用matlab的dlmread（或textread或者利用matlab的导入数据）读取，不过，需要先将不是数字的类别用数字，比如1/2/3等替换，否则读入不了数值，当字符了。

 

每个数据文件（*.data）包含以“属性-值”对形式描述的很多个体样本的记录。对应的*.info文件包含的大量的文档资料。（有些文件_generate_ databases；他们不包含*.data文件。）作为数据集和领域知识的补充，在utilities目录里包含了一些在使用这一数据集时的有用资料。

 

下面以UCI中IRIS为例介绍一下数据集：