80+机器学习数据集，还不快收藏

整理 | suiling

出品 | AI科技大本营（ID:rgznai100）

 

对于从事机器学习的小伙伴来说，机器学习必须以大量的数据为基础，否则构建再好的模型也不能达到你想要的效果。同时，不同质量的数据集也会影响到模型训练的效果。之前营长就为大家推荐过一款机器学习数据集集合项目，如今该项目的作者已经如他所言更新内容啦！不信你看~

 

该项目包含了计算机视觉、自然语言处理、医疗等数据集，此外作者还很贴心地放上了每个数据集的时间、描述以及相关的Paper。

 

 

以下是该列表中的部分数据集

 

• 计算机视觉数据集

 

 

• 自然语言处理数据集

 

 

• 问答数据集

 

 

• 医疗数据集

 

 

更详尽的数据集列表，请见：https://www.datasetlist.com/

 

下边给大家推荐两个查找数据集的网站：

 

• UCI machine learning repository：https://wordnet.princeton.edu/

 

UCI数据集是一个常用的机器学习标准测试数据集，经常出现在各种机器学习论文当中。

 

关于如何使用该数据集，可参考CSDN博客上的一篇文章：https://blog.csdn.net/qq_32892383/article/details/82225663

 

• Kaggle datasets：https://www.kaggle.com/datasets

 

Kaggle，一个数据科学竞赛网站，大家都很熟悉了。

 

另外，营长此前也整理过一些数据集，一起分享给你。

 

• 68款大规模机器学习数据集，涵盖CV、语音、NLP | 十年资源集

• 上班时间请勿打开，158万张鉴黄图片数据集来喽~

• 秘籍 | 机器学习数据集网址大全

• 百度Apollo发布海量自动驾驶数据集

• 1400小时开源语音数据集，你想要都在这儿

• 腾讯AI Lab开源业内最大规模多标签图像数据集（附下载地址）

 

今日QA：什么样的数据集算是好的数据集？欢迎在评论区留言。

 

（*本文由 AI科技大本营整理，转载请联系微信1092722531）

 

精彩推荐

「2019 Python开发者日」精彩日程全揭晓~这一次我们依然“只讲技术，拒绝空谈”10余位一线Python技术专家共同打造一场硬核技术大会。更有深度培训实操环节，为开发者们带来更多深度实战机会。更多详细信息请咨询13581782348（微信同号）。