怎么寻找数据集

1、paperswithcodes datasets：一个网站，论文的代码实现以及在各个数据集上面的表现，也有一些论文常见的数据集

2、Kaggle datasets：一个竞赛的网站，有常见数据集，也有用户上穿的数据集，用户上传的数据集质量参差不齐，需要自己判断

3、Google dataset search：一个数据集的搜索引擎，可以在上面搜索需要的数据集，返回结果是各种网站相应的数据集

4、也有各种各样集成的工具数据集，比如tensorflow、huggingface

5、从各种竞赛或者公司中发布的数据集，一般来说质量较高，而且比较新

6、Open data on aws：100多个很大的原始数据集，数据量极大，而且没有经过任何处理，详细可以自己搜索一下

大概可以分为以下三类：

学术数据集：优点是比较干净，难度适中，因为很多论文都已经验证过了，你也知道其他人对这个数据集的结果，方便对比；缺点是可选择性低，就那么多数据集，通常是常见的机器学习的数据集，不是很适合来做产品

竞赛的数据集：优点是更接近应用的数据集；缺点是仍然是经过处理的数据集，而且一般都是比较热门领域的数据集

原始数据集：优点是比较灵活，基本上你任何的数据都能找到；缺点是你需要很多的精力去用于数据集的预处理