什么是数据集

一、数据集

是机器学习和统计建模中使用的一个术语，它指的是一组数据，这些数据被用来训练和评估模型。数据集可以包含各种类型的数据，例如数值数据、文本、图像、音频或视频。

数据集通常分为几个部分：训练集、验证集和测试集。

在机器学习中：

1、训练数据集（training dataset）：

训练数据集是样本内的数据，用于样本集的建模。

2、验证数据集（validation dataset）

验证数据集是样本外的数据，用于检验模型或评估模型表现。

任何一种模型都既要有训练数据集也要有验证数据集，才能确保模型表现得更好。

在机器学习的算法中，一般两个数据集都是随机指定的。比如在总体样本中随机指定70%的数据是训练数据集，剩下30%的数据是验证数据集。

3、测试数据集（Test dataset)

测试数据集则用于评估模型的最终性能。它是一组在训练过程中未使用的数据，为模型的预测性能提供了无偏的评估。

二、一些适合初学者的数据集示例

1、Iris 数据集：一个经典的多类分类问题，包含几种鸢尾花的特征数据。

findata-科学数据搜索引擎

https://findata.cn/search?search=Iris%E6%95%B0%E6%8D%AE%E9%9B%86&page=1

五号雷达_专注于发现数据集的引擎

DatasetSearch -专注于数据集搜索引擎

https://datasetsearch.research.google.com/search?src=3&query=iris&docid=L2cvMTFzM3pwMWZkcQ%3D%3D

2 、MNIST 数据集：手写数字识别的图像数据集，适合初学者练习图像识别和深度学习。

https://datasetsearch.research.google.com/search?src=2&query=mnist&docid=L2cvMTF5M21xOXRrbQ%3D%3D

https://findata.cn/search?search=MNIST&page=1

https://www.5radar.com/search?key=7a318a8752924b42aec17c7ff98c7496

3、Titanic 数据集：包含泰坦尼克号乘客的数据，用于生存预测的二元分类问题。

https://findata.cn/search?search=Titanic&page=1

https://www.5radar.com/search?key=7399cbd2888243218f06558c3abacbc7

https://datasetsearch.research.google.com/search?src=0&query=Titanic%20&docid=L2cvMTFsajE2dnEydA%3D%3D