近日，Medium上的一位用戶整理了一份機器學習大型數據集清單，包括八大數據集資源庫。總有一款適合你，快來收藏吧！

下面的ML大型數據集，總有一款適合你。

就目前來看，找到一個特定的數據集來解決各種機器學習問題，甚至進行實驗還是比較困難的。

本文作者Will Badr便列舉了八大機器學習數據集。

不僅包含用于實驗的大型數據集，還附帶對數據集的描述以及使用示例。有的還包含用于解決與該數據集相關機器學習問題的算法代碼。

話不多說，上數據集！

1、Kaggle數據集

數據集地址：

https://www.kaggle.com/datasets

這是作者最喜歡的數據集之一。

每個數據集都是一個小型社區，用戶可以在其中討論數據、查找公共代碼或在內核中創建自己的項目。包含各式各樣的真實數據集。

用戶還可以看到與每個數據集相關的“內核”，許多數據科學家還提供了相關手冊來分析數據集。

2、Amazon數據集

數據集地址：

https://registry.opendata.aws/

該數據源包含多個不同領域的數據集，如：公共交通、生態資源、衛星圖像等。

網頁中也有一個搜索框來幫助用戶尋找想要的數據集，還有所有數據集的描述和使用示例，這些數據集信息豐富且易于使用！

數據集存儲在Amazon Web Services (AWS)資源中，比如Amazon S3——云中的一個高度可伸縮的對象存儲服務。

如果用戶正在使用AWS進行機器學習實驗和開發，這將非常方便，由于它是AWS網絡的本地數據，因此數據集的傳輸將非常快。

3、UCI機器學習資源庫

數據集地址：

https://archive.ics.uci.edu/ml/datasets.html

另一個來自加州大學信息與計算機科學學院的大型資源庫，包含100多個數據集。

用戶可以找到單變量和多變量時間序列數據集，分類、回歸或推薦系統的數據集。

有些UCI的數據集已經是被清洗過的。

4、谷歌數據集搜索引擎

數據集地址：

https://toolbox.google.com/datasetsearch

在2018年末，谷歌做了他們最擅長的事情，推出了另一項偉大的服務——它是一個可以按名稱搜索數據集的工具箱。

他們的目標是統一成千上萬個不同的數據集存儲庫，使這些數據能夠且易被發現。

5、微軟數據集

數據集地址：

https://msropendata.com/

2018年7月，微軟與外部研究社區共同宣布推出“Microsoft Research Open Data”。

它在云中包含一個數據存儲庫，用于促進全球研究社區之間的協作。它提供了一系列用于已發表研究的、經過處理的數據集。

6、Awesome Public Datasets Collection

數據集地址：

https://github.com/awesomedata/awesome-public-datasets

這是一個按“主題”組織的數據集，比如生物學、經濟學、教育學等。

這里列出的大多數數據集都是免費的，但是在使用任何數據集之前，用戶需要檢查一下許可要求。

7、政府數據集

政府相關數據集也很容易找到的。

許多國家為了提高透明度，向公眾分享了各種數據集。以下是一些例子：

歐盟開放數據門戶：歐洲政府數據集。

數據集地址：

https://data.europa.eu/euodp/data/dataset

美國政府數據：目前由于一些非政治性原因，暫時無法訪問。

數據集地址：

https://www.data.gov/

新西蘭政府數據集：

數據集地址：

https://catalogue.data.govt.nz/dataset

印度政府數據集：

數據集地址：

https://data.gov.in/

8、計算機視覺數據集

數據集地址：

https://www.visualdata.io/

Visual Data包含一些可以用來構建計算機視覺(CV)模型的大型數據集。

用戶可以通過特定的CV主題查找特定的數據集，如語義分割、圖像標題、圖像生成，甚至可以通過解決方案(自動駕駛汽車數據集)查找特定的數據集。

總結

從上述作者所觀察到數據集情況來看，似乎是涵蓋各個方向和領域。

這些新數據集的社區將繼續發展，使數據更容易被獲取，使眾包和計算機科學社區能夠繼續快速創新，為生活帶來更多創造性的解決方案。