机器学习的 50 个最佳免费数据集

您也可以查看这篇文章的英语和日语版本。

用于机器学习的开放数据集有哪些呢？Gengo 团队为高质量的数据集创建了一份最终备忘单。这些高质量的数据集或者涵盖范围广泛（比如 Kaggle），或者非常细化（比如自动驾驶汽车的数据）。

首先，在搜索数据集时要记住几点。Dataquest 是这么说的：

• 数据集不应脏乱，这样就无需花太多时间来清洗数据。
• 数据集不应包含太多的行或者列，这样更易于使用。
• 数据越干净越好 —— 清洗大型数据集相当耗时。
• 这些数据可以用来回答一些有趣的问题。

我们一起来看看吧！

数据集查找器

• Kaggle ：这是一个数据科学网站，内有各种有趣的数据集。在网站的主列表中有各种各样的利基数据集，有拉面评级、有篮球数据 ，甚至还有西雅图的宠物许可证的数据。
• UCI机器学习库 (UCI Machine Learning Repository)：这是网络上最早的数据集来源之一，如果想要寻找有趣的数据集，这个站点值得优先访问。虽然用户提供的数据集的清洁度不太一样，但绝大多数都是干净的。我们可以从 UCI 机器学习库直接下载数据，无需注册。

一般数据集

公共政府数据集

• Data.gov：在这里可以下载到多个美国政府机构的数据，数据范围从政府预算到学校的绩效分数都有。但要注意的是，很多数据还有待进一步研究。
• 食品环境地图集 (Food Environment Atlas)：内有当地的食物选择如何影响美国饮食的数据。
• 学校系统财务状况 (School system finances)：美国学校系统财务状况的调查报告。
• 慢性病数据 (Chronic disease data)：关于美国各地区慢性病指标的数据。
• 美国国家教育统计中心 (The US National Center for Education Statistics)：来自美国和世界各地的关于教育机构和教育人口统计的数据。
• 英国数据服务 (The UK Data Service)：英国最大的社会、经济和人口数据集。
• 数据美国 (Data USA)：全面的、可视化的美国公共数据。

金融与经济

• Quandl：经济和金融数据的良好来源 —— 对于建立预测经济指标或股票价格的模型很有用。
• 世界银行开放数据 (World Bank Open Data)：该数据集涵盖了世界各地的人口统计数据和大量的经济和发展指标。
• 国际货币基金组织数据 (IMF Data)：国际货币基金组织在这里发布有关国际金融、债务利率、外汇储备、商品价格和投资的数据。
• 金融时报市场数据 (Financial Times Market Data)：关于世界各地金融市场的最新信息，包括股票价格指数、商品和外汇。
• Google 趋势 (Google Trend)：检查和分析世界各地的互联网搜索活动和热门新闻报道的数据。
• 美国经济协会 (AEA)：这是查找美国宏观经济数据的良好来源。

想知道更多有意思的数据集就赶紧到 gengo.ai 来看看吧！