转自：https://zhuanlan.zhihu.com/p/84088095
最近一次新增：2020.02.11
大家好，先给各位抱拳了！我是和鲸（科赛 http://kesci.com）的运营一枚，今天给大家分享以下我们（通过网线）奔波世界各地搜集过来的数据集们！
大家有想要的也可以在评论区许愿，我去求捞数据集的小哥哥小姐姐们帮帮忙
另外打一波硬广，以下所有数据集都可以在和鲸（科赛 http://kesci.com）的K-Lab产品中直接挂在项目中使用，无需下载。现还有另有免费计算资源可以薅。
请猛戳链接访问>>>和鲸（科赛 kesci.com）<<<
——结构化数据——
交通：
Pronto共享单车数据集（70.8MB）
欧州航空旅客运输季度数据集（更新至2019第二季度）（63KB）
2015年美国✈️✈️航班延误或取消数据集（192.3MB）
明尼阿波里斯市交通流量数据（3.1MB）
航班动态起降数据集（2GB）
交通卡口过车数据数据集（100G）
Uber 纽约市乘车数据（109.1MB）
气象：
1965-2016全球重大地震数据（2.3MB）
El Nino厄尔尼诺数据集（9.6MB）
中国气象数据（675.1MB）
北京空气质量数据（21.5MB）
中国空气质量数据集（1.2GB）
澳大利亚山火数据集（100+MB）
1750年至今全球地表气温变化数据（84MB）
能源：
全球能源之风力预测数据集（24.5MB）
风力发电机数据集（12.3MB）
2010年芝加哥能源使用情况（26.3MB）
中国水资源数据集（130KB+）
镇江电力数据（17.7MB）
安全：
NVD美国国家通用漏洞数据库（335MB+）
NSL_KDD数据集（25.3MB）
KDD-CUP99网络入侵检测数据集（220MB+）
医学：
心脏病诊断数据集（17.6KB）
骨科患者的生物力学特征数据集（24.4KB）
埃博拉数据集（1.3MB）
癫痫发作识别数据集（7.3MB）
1000个12导联ECG心电图数据集（70.7MB）
宫颈癌风险因素数据集（99.7KB）
手势检测数据集（16.9MB）
帕金森疾病诊断数据集（5.1MB）
心脏病相关数据集（11.1KB）
基于重症监护室（ICU）多生命体征，预测脓毒症（21.1KB）
内置动脉插管数据集（288.7KB）
埃及患者的丙型肝炎病毒（HCV）数据集（158KB）
急性肝功能衰竭预测数据集（848.6KB）
心血管疾病数据集（2.8MB）
新型冠状病毒(2019-nCoV)疫情时间序列数据集（1.8MB）
游戏：
英雄联盟英雄数据（253.6KB）
100万数独游戏（156.4MB）
守望先锋英雄数据集（53.4KB）
Dota2游戏结果数据集（21.3MB）
王者荣耀英雄数据集（7.8KB）
包含用户行为的Steam游戏数据集（8.5MB）
经济金融：
拍拍贷互联网金融数据（320MB）
P2P信贷平台业务数据（400MB+）
我国主要城市年度数据-产值、人口、就业、教育等（10KB）
上证A股个股日线数据（187.6MB）
信用卡评分模型构建数据（7.2MB）
1978至今的黄金价格数据（187.8KB）
成人人口普查收入的相关信息（3.9MB）
金融风险预测数据集（2.1MB）
9000条信用卡使用情况数据（881.7KB）
中国工商企业注册信息数据集（559.4MB）
加密货币市场价格（39.0MB）
常用汇率过去3年的历史数据（31.6KB）
信用卡欺诈检测数据集（143.8MB）
信用违约概率预测 | Kaggle（7.2MB）
银行电话营销数据集（2.1MB）
LendingClub贷款数据（421.3MB）
比特币历史交易数据（221.1MB）
Dow Jones 股票日结算数据（1.6MB）
S&P 500股价数据（128.1MB）
PyPortfolioOpt股票价格（1.1MB）
特斯拉股票价格（168.7KB）
苹果股票市场数据历史记录（41.2KB）
7家顶级公司的收购数据（69.4KB）
2019年全球七百多万个公司的数据（275.1MB）
美国医疗保险市场数据（778.8MB）
🇮🇳🇮🇳印度贸易数据（19.0MB）
30家在美国的大型公司的道琼斯指数数据（2.7MB）
最近十年谷歌的股票价格数据集（165.5KB）
桑坦德银行顾客交易预测数据（244.3MB）
欧元兑换国际主要货币的汇率日数据（更至2019.9.26）（2.9MB）
众筹网站Kickstarter项目数据集（55.3MB）
MT4历史数据中心各货币对外汇交易数据（905.5MB）
Santander客户价值预测数据集（31.5MB）
消费：
出行产品未来14个月销量预测数据集（61.2MB）
口红数据集（1006.6KB）
黑五购物数据集（23.8MB）
去哪儿网—旅游产品机酒数据（1.5MB）
全球米其林餐厅信息（100KB+）
适合顾客尺码推荐的服装适合数据集（150MB）
淘宝App用户行为（507.3MB）
废旧汽车价格预测数据集（611.6KB）
天猫双十一女性美妆的数据集（3.3MB）
淘宝云主题点击数据集（1.6GB）
广告实时竞价数据（455.5MB）
住房：
链家二手房数据集（5.1MB）
携程房型产品用户行为数据集（506.1MB）
房价预测（103.3KB）
阿姆斯特丹airbnb数据集（400MB+）
纽约Airbnb开放数据（6.8MB）
房价预测（103.3KB）
体育：
NBA数据集（62.3+MB）
欧洲足球联赛数据集（172.8MB）
2015-2018MLB棒球常规赛数据集（322.7MB）
120年奥运历史数据集：运动员和成绩（39.6MB）
科比生涯数据集(5.8MB)
植物：
蘑菇分类数据集（UCI Machine Learning）（365.2KB）
iris鸢尾花数据集（4.1KB）
土壤湿度的高光谱基准数据集（1.6MB）
小麦种子数据集（9.1KB）
100种植物种类🌳🌳🌳数据集（35.1MB）
天文：
不明飞行物世纪报告（14.6MB）
开普勒望远镜所标注的时间序列数据集（27.6MB）
推荐系统：
资讯内容用户行为数据集（153.3MB）
Book Crossing 推荐系统数据（24.9MB）
Jester 推荐系统数据（4MB）
预测：
人力资源分析数据集（121.5KB）
申请大学的成功率预测数据集（12.6KB）
用户点击预测数据集（516.8MB）
Netflix Price 竞赛数据集（665.7MB）
其他：
垃圾分类数据（49.3KB）
豆瓣读书数据集（5.9MB）
豆瓣电影数据集（100MB+）
二战空袭数据集（27.2MB）
拉勾网上海数据分析师职位数据（497.4KB）
濒危语言统计（736.7KB）
💤💤个人睡眠数据（66.1KB）
2019年世界幸福报告（6.7KB）
鲍鱼数据集（187.5KB）
鱼类毒性数据集（30.5KB）
人口普查收入数据集（UCI）（3.4MB）
TMDB 5000部电影数据集（40MB+）
——NLP大类——
6000条周杰伦微博超话数据（1.1MB）
2016-2019新闻联播语料库（11.3MB）
中文谣言语料库（32.6MB）
咪蒙所有公众号文章（3.9MB）
中国对联数据集（28.2MB）
1998人民日报标注语料库（PFR）（10.2MB）
sentiment140 情感分析数据集（72.6KB）
人民日报文章数据集(1979-2010)（811.9MB）
人民日报文章数据集(1949-1978)（559.4MB）
中文新闻数据集（70.3MB）
《中餐厅3》19W弹幕数据（12.8MB）
IMDB电影评论数据（32.0MB）
中文医学问答数据集（85MB）
耶鲁文本转SQL语句挑战数据集（95.1MB）
淘宝某店铺电风扇评论（273.9KB）
新加坡国立大学SMS语料库（23.4MB）
豆瓣《哪吒之魔童降世》影评（85.1KB）
bilibili流行动漫影评数据（2.3MB）
6000条周杰伦微博超话数据！（1.1MB）
非正式汉语数据集（214.5MB）
中文对话情绪语料（1.1MB）
维基百科中文语料库（518.7MB）
频率最高的9933个最常用汉字数据集（1.0MB）
未名BBS热门话题（3.6MB）
麦当劳就餐负面评论数据集（891.1KB）
Lord of the Rings指环王数据（223.9KB）
斯坦福情绪树库：带有情感注释的标准情绪数据集（6.1MB）
关于美国的航空公司的推特的情绪分析数据集（2.6MB）
聊天语料库数据集（210.7MB）
短文本分类数据集（13.1MB）
成语阅读理解数据集（195.8MB）
论文自动评分数据集（78.8MB）
多域情感数据集（51.2MB）
翻译语料（595.9MB）
社区问答数据集（1.7GB）
中文科学文献摘要数据集（92.9MB）
维基百科英文语料库（89.0MB）
实体识别
用于命名实体识别的带注释语料库（26.4MB）
使用Lattice LSTM的中文NER数据（191.5KB）
医疗命名实体识别数据集（5.1MB）
中文实体关系抽取数据集（8.1MB）
金融信息负面及主体判定比赛数据集（17MB）
——CV大类——
Fashion-MNIST图像数据集（200.4MB）
车辆数据集（车辆识别与分类）（62.5MB）
另一个垃圾分类数据集（40.9MB）
CIFAR10数据集（148MB）
GTSRB-德国交通标志识别图像数据（253.3MB）
手势识别数据库（1.1GB）
情绪的面部表情（170MB+）
宠物图像数据集（783.5MB）
枪支目标检测（2.4MB）
人脸图像数据（294.1MB）
狗狗种类图像数据集（919.5MB）
中国交警手势数据集（1.8GB）
场景分类数据集（105.9MB）
💎💎87种宝石图片数据（50.9MB）
验证码数据集（13.5MB）
植物：
水稻叶子疾病图片集（36.7MB）
花卉识别数据集（224.9MB）
气象：
飓风损害的卫星图像数据集（63MB）
从卫星图像理解云层数据集（42MB）
字符识别：
TibetanMNIST藏文手写数字数据集（53.2MB）
MNIST手写识别数据集（9.5MB）
Chars74K字符识别数据集（188.3MB）
信用卡卡面图像及标注数据（42.9MB）
手写数学表达式识别（29MB）
图片与单词匹配数据集（31.1MB）
密集不规则文本行数据集（353MB）
HASY手写符号图片数据集（127.2MB）
麻将图片数据集（7.5MB）
医疗：
犬球虫病寄生虫图片集（18.1MB）
头部CT图像数据（24.4MB）
肺部CT图像数据（529.0MB）
心血管疾病预测（2.7MB）
深圳医院胸片检查掩膜图片数据集（19.8MB）
肺部CT图像数据（529MB）
行人识别：
行人检测数据集ETHZ（146MB）
行人重识别数据集Market-1501（145.7MB）
行人重识别数据集RAiD（140.1MB）
行人重识别数据集prid_2011（1015.3MB）
汽车后视摄像头视角行人数据集（799.7MB）
——语音大类——
Mozilla语音数据集-中文（358.2MB）
2000个英语读数字的录音（8.9MB）
7862
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
