机器学习：常用数据集汇总

超、凢脫俗 2022-11-27 12:10 326阅读 0赞

#  #

# 前言 #

对机器学习中一些常用数据集进行汇总，欢迎评论区提供数据。多多收藏、点赞

注：其中有些链接是用的他人分享的数据，如果作者不希望这样使用，请私信告诉我，谢谢

# \# pima-indians-diabetes \# #

详情：美国国立糖尿病消化与肾病研究所搜集的皮马印第安部落中21岁以上女性的数据。

样本包括9个特征的768个观测值（768 × 9）。

下载数据：[https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/][https_archive.ics.uci.edu_ml_machine-learning-databases_pima-indians-diabetes]

# \# 猫狗分类数据集 \# #

详情：包括含训练集(25000张猫狗照片)和测试集(12500张猫狗照片)

下载数据：[https://pan.baidu.com/share/init?surl=vS2OsS9lPfkJO-GY3Ju3gw][https_pan.baidu.com_share_init_surl_vS2OsS9lPfkJO-GY3Ju3gw] 提取码: vgsy

# \# hotel\_bookings \# #

详情：该数据集包含城市酒店和度假酒店的预订信息，并包括诸如预订的时间，停留时间，成人，儿童和/或婴儿的数量以及可用停车位的数量等信息

下载数据：[https://pan.baidu.com/s/1WBMEtBzH3fFLtEnz0c-HDg][https_pan.baidu.com_s_1WBMEtBzH3fFLtEnz0c-HDg] 提取码：9i9e

# \# 成都市出租车GPS记录数据 \# #

详情：成都某一天出租车的部分数据。数据记录了成都市部分出租车在载客时的GPS位置和时间等信息

下载数据：[http://labfile.oss.aliyuncs.com/courses/736/taxi.csv][http_labfile.oss.aliyuncs.com_courses_736_taxi.csv]

![20200707143225316.png][]

# \# BelgiumTS \# #

详情：62种交通信号图片

下载数据：[https://btsd.ethz.ch/shareddata/][https_btsd.ethz.ch_shareddata]

# \# Spambase \# #

详情：垃圾邮件数据

下载数据：[http://archive.ics.uci.edu/ml/datasets/Spambase][http_archive.ics.uci.edu_ml_datasets_Spambase]

![20200707143010140.png][]

spambase.csv

# \# 共享单车数据 \# #

详情：美国某公司的共享单车数据

下载数据：[http://archive.ics.uci.edu/ml/machine-learning-databases/00275/][http_archive.ics.uci.edu_ml_machine-learning-databases_00275]

![20200707141224562.png][]

day.csv

# \# 葡萄酒数据集 \# #

详情：包含来自3种不同起源的葡萄酒的共178条记录。13个属性是葡萄酒的13种化学成分，可以来推断葡萄酒的起源。

下载数据：[http://archive.ics.uci.edu/ml/datasets/Wine][http_archive.ics.uci.edu_ml_datasets_Wine]

# \# Gowalla \# #

详情：Gowalla是一个基于位置的社交网站，用户可以通过签到来分享他们的位置

数据分为两部分：

loc-gowalla\_totalCheckins.txt 签到数据（ 6,442,890 ）的时间、地点、用户ID

loc-gowalla\_edges.txt. Gowalla用户（196,591个用户）的社会关系

下载数据：[http://snap.stanford.edu/data/loc-gowalla.html][http_snap.stanford.edu_data_loc-gowalla.html]

![2020070714100420.png][]

loc-gowalla\_totalCheckins.txt

# \# MovieLens \# #

详情：MovieLens数据集是一个关于电影评分的数据集，里面包含了从IMDB, The Movie DataBase上面得到的用户对电影的评分信息[\[链接\]][Link 1]

下载数据：[https://grouplens.org/datasets/movielens/][https_grouplens.org_datasets_movielens]

![202007071427001.png][]

movies.csv

# \# wholesale-customers \# #

详情：批发销售数据集

下载数据：[http://networkrepository.com/wholesale-customers.php][http_networkrepository.com_wholesale-customers.php]

![20200707143702400.png][]

# \# 国外数据汇总 \# #

国外大神收集的100个大型机器学习数据集

下载数据：[https://www.datasetlist.com/][https_www.datasetlist.com]

# 其他 #

<table> 
 <tbody> 
 <tr> 
 <td> &nbsp; </td> 
 <td> 详情 </td> 
 <td> 训练样本 </td> 
 <td> 测试样本 </td> 
 <td> 图像大小 </td> 
 </tr> 
 <tr> 
 <td> MNIST </td> 
 <td> 手写数字数据集 </td> 
 <td> 60000 </td> 
 <td> 10000 </td> 
 <td> 28*28 </td> 
 </tr> 
 <tr> 
 <td> GTSRB </td> 
 <td> 德国交通标志数据集 </td> 
 <td> 39209 </td> 
 <td> 12630 </td> 
 <td> 15*15~250*250 </td> 
 </tr> 
 <tr> 
 <td> RRSI </td> 
 <td> 交通路网遥感图像数据集 </td> 
 <td colspan="2"> 共30幅 </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> ImageNet </td> 
 <td> 超过1500万幅图像、约22000个类别数据集 </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> CIFAR-10 </td> 
 <td> 常见物体图像数据集，10类 </td> 
 <td> 50000 </td> 
 <td> 10000 </td> 
 <td> 32*32(彩色) </td> 
 </tr> 
 <tr> 
 <td> Oxford-17 </td> 
 <td> 鲜花图像数据集，共1360幅、17类 </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 <td> 不同 </td> 
 </tr> 
 <tr> 
 <td> AR </td> 
 <td> 人脸图像数据集 </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> VOC2007 </td> 
 <td> 物体和场景的图像数据集 </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> SIFT Flow </td> 
 <td> 不同场景的图像数据集 </td> 
 <td> 2488 </td> 
 <td> 200 </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> ADE20K </td> 
 <td> 不同场景的图像数据集 </td> 
 <td> 20210 </td> 
 <td> 2000 </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> COCO2014 </td> 
 <td> 微软制作的图像数据集 </td> 
 <td> 82783 </td> 
 <td> 40504+40504(验证集) </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> CelebA </td> 
 <td> 名人人脸图像数据集 </td> 
 <td> 162770 </td> 
 <td> 19867 </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> Gamerecords </td> 
 <td> 围棋棋局文件数据集 </td> 
 <td> 4491800 </td> 
 <td> 100000 </td> 
 <td> &nbsp; </td> 
 </tr> 
 </tbody> 
</table>

[https_archive.ics.uci.edu_ml_machine-learning-databases_pima-indians-diabetes]: https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/
[https_pan.baidu.com_share_init_surl_vS2OsS9lPfkJO-GY3Ju3gw]: https://pan.baidu.com/share/init?surl=vS2OsS9lPfkJO-GY3Ju3gw
[https_pan.baidu.com_s_1WBMEtBzH3fFLtEnz0c-HDg]: https://pan.baidu.com/s/1WBMEtBzH3fFLtEnz0c-HDg
[http_labfile.oss.aliyuncs.com_courses_736_taxi.csv]: http://labfile.oss.aliyuncs.com/courses/736/taxi.csv
[20200707143225316.png]: /images/20221124/826633d2f9884885846831f8bc211e5a.png
[https_btsd.ethz.ch_shareddata]: https://btsd.ethz.ch/shareddata/
[http_archive.ics.uci.edu_ml_datasets_Spambase]: http://archive.ics.uci.edu/ml/datasets/Spambase
[20200707143010140.png]: /images/20221124/6e32371cc2da484da96b1f1078bcf618.png
[http_archive.ics.uci.edu_ml_machine-learning-databases_00275]: http://archive.ics.uci.edu/ml/machine-learning-databases/00275/
[20200707141224562.png]: /images/20221124/365b6573bb774edd9df9e3ccca460bea.png
[http_archive.ics.uci.edu_ml_datasets_Wine]: http://archive.ics.uci.edu/ml/datasets/Wine
[http_snap.stanford.edu_data_loc-gowalla.html]: http://snap.stanford.edu/data/loc-gowalla.html
[2020070714100420.png]: /images/20221124/4c9fc966edc94aa991e11b0784189e5f.png
[Link 1]: https://blog.csdn.net/qq_22562651/article/details/80485329
[https_grouplens.org_datasets_movielens]: https://grouplens.org/datasets/movielens/
[202007071427001.png]: /images/20221124/6a17b19da1444a6e9994e69dfe69ae48.png
[http_networkrepository.com_wholesale-customers.php]: http://networkrepository.com/wholesale-customers.php
[20200707143702400.png]: /images/20221124/2132ad121ca940ad86269efcf340e1cf.png
[https_www.datasetlist.com]: https://www.datasetlist.com/