开放数据集

 

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：http://archive.ics.uci.edu/ml/

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：http://aws.amazon.com/publicdatasets/。

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：http://www.kaggle.com/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：http://www.infochimps.com/

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）：http://labrosa.ee.columbia.edu/millionsong/

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：http://yann.lecun.com/exdb/mnist/

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

http://bndg.cs.aau.dk/html/

kdd99数据集

http://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html

数据集索引

http://dmr.cs.umn.edu/datasets.html

华盛顿大学

http://www.cs.washington.edu/dm/vfml/