重磅 | Tianchi发布完整开源数据集！

最新推荐文章于 2021-02-11 06:38:14 发布
最新推荐文章于 2021-02-11 06:38:14 发布
阅读量958 收藏 4
点赞数
文章标签： 人工智能 css 知识图谱 ai 推荐系统

 Datawhale干货 

来源：Tianchi，方向：开源数据集

近期，Tianchi发布了一份非常全面的开源数据集。包含了计算机视觉，自然语言处理，金融，电商，医疗，工业，农业等数据集，非常适合学习和实践，Datawhale整理如下：

# 数据集开源地址
https://tianchi.aliyun.com/dataset

「电商」

淘宝直播商品识别数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=75730

阿里巴巴用户行为数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81505

面向商品的视频描述生成数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=75986

电商服装产品视频标题数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=75173

速卖通搜索系统数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=74690

淘宝用户行为数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=72423

甜品店铺用户评分数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=4366

智能出行平台车辆订单数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=39384
「医疗」

脊椎疾病病理数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79463

医学影像和标题的语篇照应数据集MedICaT

https://tianchi.aliyun.com/dataset/dataDetail?dataId=86602

息肉医学影像数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=84385

中风后病灶解剖追踪数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82972

颅骨医学图像数据集用于监测颅内出血

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82967

皮肤病图像数据集用于诊断黑素瘤

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82823

COVID-19 mRNA疫苗数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82790

OSIC肺部CT扫描影像数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82703

自然神经影像数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82631

医学影像数据集MedMNIST

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82187

生物医学实体标准化数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81720

生物医学概念标准化数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81565

社交媒体医学实体链接语料数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81554

PubMedQA生物医学研究问答数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81523

中文BLUE数据集（生物医学文本挖掘语料库）

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81513

中文医学知识图谱数据集CMeKG

https://tianchi.aliyun.com/dataset/dataDetail?dataId=81506

医学对话数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79671

中文医学问答数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79670

平安医学技术疾病问答迁移学习数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79665

临床术语标准化数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79664

医学实体识别和属性抽取EMR数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79663

疫情相似句对诊断数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=76751

2019-nCoV新型冠状病毒基因测序数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=51202

2020新冠肺炎全国各省数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=78902
「IT通讯」

阿里巴巴快递送达检测系统Beacon数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=76359

大型硬盘故障预测数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=70251
「交通」

谷歌地标数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=86611
「自然语言处理」

语义分割数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82714

谷歌MC4数据集（可翻译101种语言）

https://tianchi.aliyun.com/dataset/dataDetail?dataId=82412
「工业」

布匹瑕疵智能识别数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=79336
「农业」

遥感检测数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=74952
「科学」

太阳耀斑预测数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=74780

太阳黑子类型智能分类数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=74779
「计算机视觉」

视盲OCR图片文案顺序理解数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=72926
「家装」

家居成品房3D图像数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=65347
「公共」

2012美联邦总统选举数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=2581

共享单车租用数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=54174

教育系统学生分班预测

https://tianchi.aliyun.com/dataset/dataDetail?dataId=47307

员工离职预测数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=25860
「娱乐」

豆瓣电影评分数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=9603
「金融」

银行营销活动效果预测

https://tianchi.aliyun.com/dataset/dataDetail?dataId=45944

信贷用户逾期预测数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=29157

金融业股票数据

https://tianchi.aliyun.com/dataset/dataDetail?dataId=46522

二手车交易数据集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=62977

机器学习算法那些事
关注
LRU 不大行？试试 LIRS
游戈程序员
10-09 912
LRU 不大行？试试 LIRS LIRS 是什么？ Low Inter-reference Recency Set，它和 LRU 一样，是一种内存淘汰策略。继承了 LRU 根据时间局部性预测内存冷热数据的特性，引进了 IRR(Inter-Reference Recency) 和 R (Recency），来增加对冷热数据的预测准确性，从而减少错误的数据淘汰，提高缓存命中率。 既然说到 LIRS 是继承 LRU，那就不得不聊聊 LRU 有哪些优缺点，以及顺便聊聊大佬们还有哪些改进吧。 先来说说 LRU 内存淘
机器学习面试：ARMA模型的简单了解
热门推荐
he_wen_jie的博客
04-07 1万+
时间序列预测常用的方法有移动平均法，指数平均法，AR,MA,ARMA等，这类方法比较适用于小规模，单变量的预测，比如某门店的销量预测等，但是这些都要求序列是平稳的。 弱平稳序列 如果一个时间序列 xtx_txt​ 满足以下两个条件，则它是弱平稳的： 对于所有的时刻ttt ，有E[xt]=μE[x_t]=\muE[xt​]=μ ，其中μ\muμ是一个常数。 对于所有的时刻ttt和任意的间隔kkk， ...
NOSQL之旅---HBase
juanna_ding的专栏
03-17 1241
最近因为项目原因，研究了Cassandra,Hbase等几个NOSQL数据库，最终决定采用HBase。在这里，我就向大家分享一下自己对HBase的理解。在说HBase之前，我想再唠叨几句。做互联网应用的哥们儿应该都清楚，互联网应用这东西，你没办法预测你的系统什么时候会被多少人访问，你面临的用户到底有多少，说不定今天你的用户还少，明天系统用户就变多了，结果您的系统应付不过来了了，不干了，这岂不是咱哥
回归模型的score得分为负_Python机器学习之“选择最优模型”
weixin_34086714的博客
12-14 1961
关键问题是：假如模型效果不好，应该如何改善？答案可能有以下几种。用更复杂 / 更灵活的模型。用更简单 / 更确定的模型。采集更多的训练样本。为每个样本采集更多的特征。 问题的答案往往与直觉相悖。换一种更复杂的模型有时可能产生更差的结果，增加更多的训练样本也未必能改善性能！改善模型能力的高低，是区分机器学习实践者成功与否的标志。01 / 偏差与方差的均衡“最优模型”的问题...
hbase hyperbase 区别_星环hyperbase和开源hbase的那些事
weixin_39614322的博客
12-19 1781
hyperbase官方简介：Transwarp Hyperbase实时数据库是建立在Apache HBase和Elasticsearch基础之上，融合了多种索引技术、分布式事务处理、全文实时搜索、图形数据库在内的实时NoSQL数据库。个人总结：hyperbase是基于开源hbase+hive的体系结构，融合了全局索引、全文索引，加入了自己的序列化反序列化编码格式，集成在星环的一站式大数据平台TDH...
tianchi-数据集
03-30
标题 "tianchi-数据集" 暗示我们正在处理与天池平台相关的数据集。天池是阿里云主办的一个大数据竞赛平台，通常提供各种数据集用于机器学习和数据分析比赛。由于没有具体的描述，我们将根据常见的数据集结构和常见...
Learning DSW and Tianchi-数据集
03-07
"Learning DSW and Tianchi-数据集"这个主题聚焦于学习如何使用DSW（Data Science Workspace）工具来处理和分析天池（Tianchi）竞赛平台上的数据集。下面我们将深入探讨DSW与天池数据集的相关知识点。 DSW，全称为...
tianchi_mobile_recommend_train_user-数据集
03-14
【标题】"tianchi_mobile_recommend_train_user-数据集" 是一个专为移动推荐系统设计的数据集，主要用于训练用户行为预测模型。这个数据集源于阿里天池平台，它提供了丰富的天猫用户行为信息，帮助参赛者理解和构建...
tianchi O2O: merchant1_feature-数据集
03-30
标题中的“tianchi O2O: merchant1_feature-数据集”表明这是一个与天池（Tianchi）平台上的线上到线下（O2O）业务相关的数据集，主要聚焦于商家1（merchant1）的特征数据。在数据分析和机器学习领域，这样的数据集...
tianchi O2O: submit sample-数据集
03-30
标题 "tianchi O2O: submit sample-数据集" 暗示这是一个与天池平台上的在线到线下（O2O）业务相关的数据竞赛或挑战。提交的样本数据集通常用于参赛者预测或分析特定的目标变量。在这种情况下，我们只有一个文件 ...
天池数据集-数据集
03-04
天池实验室 11.jpg
天池智能制造质量预测数据集.rar
09-09
天池智能制造质量预测数据集 背景描述 半导体产业是一个信息化程度高的产业。高度的信息化给数据分析创造了可能性。基于数据的分析可以帮助半导体产业更好的利用生产信息，提高产品质量。 现有的解决方案是，生产机器生产完成后，对产品质量做非全面的抽测，进行产品质量检核。这往往会出现以下状况，一是不能即时的知道质量的好坏，当发现质量不佳的产品时，要修正通常都为时以晚，二是在没有办法全面抽测的状况下，存在很大漏检的风险。 在机器学习，人工智能快速发展的今天，我们希望着由机器生产参数去预测产品的质量，来达到生产结果即时性以及全面性。更进一步的，可基于预先知道的结果，去做对应的决策及应变，对客户负责，也对制造生产更加敏感。 痛点与挑战： 1）TFT-LCD（薄膜晶体管液晶显示器）的生产过程较为复杂，包含几百道以上的工序。每道工序都有可能会对产品的品质产生影响，故算法模型需要考虑的过程变量较多。 2）另外，这些变量的取值可能会存在异常（如测点仪表的波动导致、设备工况漂移等现象），模型需要足够稳定性和鲁棒性。 3）产线每天加工的玻璃基板数以万计，模型需要在满足较高的精准度前提下尽可能实时得到预测结果，这样才能给在实际生产中进行使用。 价值： 1）如果能够建立算法模型准确预测出特性值，便可以实现生产过程的实时监控和预警，提前发现当前工序的问题、避免问题流入到后道工序，减少生产资源浪费的同时也优化了产品良率。 2）基于预测模型得到的关键参数，工艺人员能够快速地针对那些电性表现不佳的产品进行问题溯源分析，重点分析和调整那些关键的影响因子，加快不良问题的处理、提高整体工艺水平。 3）该预测模型在部署后也可以用于减少特性检测相关的工序，能够节约检测资源并且对提升产线整体的产能有正面作用。 数据说明 每条数据包含8029列字段。 第一个字段为ID号码，最后一列为要预测的值Y。其余的数据为用于预测Y的变量X。这些变量一共由多道工序组成，字段的名字可以区分不同的工序，例如 210X1, 210X2。300X1,300X2。字段中的TOOL_ID或者Tool为每道工序使用的机台，如果是string类型，需要选手自行进行数字化转换。注意： 数据中存在缺失值。 测试集分为A/B两份，相比训练集，最后一列的value值是缺失的，研究人员可以根据训练数据做模型训练，并对测试集做预测。为了方便研究人员评测算法效果，我们提供了测试集A的答案。 问题描述 本数据集提供了生产线上的抽样数据，反应机台的温度，气体，液体流量，功率，制成时间等因子。 通过这些因子，需要研究人员设计出模型，准确的预测与之相对应的特性数值。这是一个典型的回归预测问题。
天池大数据竞赛数据集.zip
最新发布
01-28
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能，需要能看懂代码，并且热爱钻研，自行调试。 天池大数据竞赛数据集.zip
天池比赛数据-数据集
03-11
天池金融比赛的数据集 sample_submit.csv train.csv testA.csv
/opt/hbase/conf 中不能启动hbase_大数据之HBase的几个常规性问题
weixin_39968128的博客
11-21 232
本文主要针对对HBase不了解的人。主要想基于个人的理解回答以下几个问题： 什么是HBase？ 何时用HBase？ 与Hive、Pig的区别？ ...
模型评估(一)
yueliang666666的博客
09-17 1331
只有选择与问题相匹配的评估方法，才能快速的发现模型选择或训练过程中出现的问题，迭代地对模型进行优化。模型评估主要分为离线评估和在线评估两个阶段。针对分类、排序、回归、序列预测等不同类型的机器学习问题，评估指标的选择也有所不同。有针对性地选择合适的评估指标、根据评估指标的反馈进行模型调整，是机器学习在模型评估阶段的关键。 一、评估指标的局限性 在模型评估过程中，分类问题、排序问题、回归问题往往需要使用不同的指标进行评估。在诸多的评估指标中，大部分指标只能片面地反映模型的一部分性能。如果不能合理地运用评估指标，
阿里云MaxCompute（大数据）公开数据集---带你玩转人工智能
weixin_34336526的博客
05-24 394
目前阿里云MaxCompute大数据产品已经免费向全部用户开放了多种公用数据集。在此之前，获取，分析，下载自定义的大型分析数据集需要数小时乃至数天才能完成。 而现在阿里云的任何用户都可以通过基于大数据计算服务[MaxCompute](https://www.aliyun.com/product/odps) 的数据工场[DataWorks](https:/...
python预测值和真实值得到折线图的代码_使用python matploblib库绘制准确率,损失率折线图...
weixin_39636717的博客
02-11 3155
我就废话不多说了，大家还是直接看代码吧~import matplotlib.pyplot as pltepochs = [0,1,2,3]acc = [4,8,6,5]loss = [3,2,1,4]plt.plot(epochs,acc,color="r",label="acc") # r表示红色plt.plot(epochs,loss,color=(0,0,0),label="loss") #...
回归模型的score得分为负_python机器学习：线性模型
weixin_33562004的博客
12-31 2572
尽管K近邻算法很容易理解，但由于预测速度慢且缺乏对多特征数据集的处理能力，所以实践中用的比较少。下面我们来介绍一种能够规避这种缺陷的模型：线性模型。线性模型：线性模型是在实践中广泛应用的一种模型，他是利用输入特征的线性函数进行预测，其一般预测公式为：y = w[0]*x[0] + w[1]*x[1] + ... + w[p]*x[p] 这是高中直线方程的一个扩展应用。下面我们看一下一维wave数据...
全面开源数据集：覆盖多行业机器学习资源
"这份资源是50多个涵盖各行业的开源数据集，包括计算机视觉、自然语言处理、金融、电商、医疗、工业和农业等领域，旨在为学习和实践机器学习提供丰富的素材。数据集由各种属性构成，数据源在每次查询时提供属性值。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值