入門 | 從文本處理到自動駕駛：機器學習最經常使用的50大免費數據集
機器學習領域裏有哪些開放數據集？Gengo 近日發佈了一份高質量免費數據集列表，其搜索範圍不只包含內容普遍（如 Kaggle），也包括高度特化的（如自動駕駛汽車專用數據集）數據集種類。
首先，在選擇數據集時要記住幾個重要標準：php
- 數據集不能是混亂的，由於你不但願花費大量時間整理數據。
- 數據集不該該有過多的行或者列，這樣才能容易處理。
- 數據越乾淨越好——清理大型數據集可能會很是耗時。
- 該數據集能夠用於回答一些有趣的問題。
這樣的話，讓咱們看看能找到點什麼？html
查找數據集python
Kaggle：一個數據科學競賽網站，其中包含大量外部貢獻的有趣數據集。你能夠在它長長的列表中（www.kaggle.com/datasets）找到各類小衆數據集，從拉麪的評分、籃球數據，到西雅圖的寵物牌照。web
UCI Machine Learning Repository：它是網絡中最古老的數據集源之一，是尋找各類有趣數據集的第一選擇。在這裏，儘管數據集都是用戶自行貢獻的，但清潔程度仍然很高。此外，你能夠直接從 UCI Machine Learning Repository 上下載數據，無需註冊。算法
通用數據集編程
公共政府數據集json
Data.gov：這個網站能夠從多個美國政府機構下載數據，從政府預算到學校成績。不過要注意：其中的大部分數據須要進一步研究。網絡
連接：www.data.gov/dom
Food Environment Atlas：包含有關本地食物選擇如何影響美國飲食習慣的數據。機器學習
連接：
School system finances：美國學校系統財務情況調查。
連接：
Chronic disease data：美國各地慢性病指標數據。
連接：
The US National Center for Education Statistics：美國和世界各地教育機構和教育人口統計數據。
連接：nces.ed.gov/
The UK Data Centre：英國最大的社會、經濟和人口數據收集。
Data USA：美國公共數據的全面可視化。
連接：datausa.io/
金融類
Quandl：很好的財經數據來源——有助於創建預測經濟指標或股票價格的模型。
World Bank Open Data：涵蓋人口統計和世界各地大量經濟和發展指標的數據集。
IMF Data：國際貨幣基金組織公佈有關國際金融、債務利率、外匯儲備、商品價格和投資的數據。
Financial Times Market Data：世界金融市場的最新信息，包括股票價格指數、商品和外匯。
Google Trends：觀察和分析有關互聯網搜索活動和世界各地新聞故事趨勢的數據。
連接：
AmericanEconomic Association (AEA)：尋找美國宏觀經濟數據的來源。
連接：www.aeaweb.org/resources/d…
機器學習數據集
圖像
Labelme：註釋圖像的大數據集。
連接：
labelme.csail.mit.edu/Release3.0/…
ImageNet：著名的 ImageNet，由斯坦福大學教授李飛飛等人發起，它是面向新算法的真實圖像數據集。根據 WordNet 層次結構來組織，其中層次結構的每一個節點都由成百上千個圖像來描述。
LSUN：場景理解和許多輔助任務（房間佈局估計、顯著性預測等）。
連接：lsun.cs.princeton.edu/2016/
MS COCO：ImageNet 以外另外一個經常使用的圖像數據集，包含通用圖像理解和註釋。
COIL100：100 個不一樣的物體在 360°旋轉中以每一個角度成像。
連接：
www1.cs.columbia.edu/CAVE/softwa…
Visual Genome：很是詳細的視覺知識庫，配有約 100K 個圖像的註釋。
Google's Open Images：Creative Commons 下的 900 萬個圖片的網址集合，「已經標註了跨越 6000 多個類別的標籤」。
連接：
research.googleblog.com/2016/09/int…
Labelled Faces in the Wild：13000 張貼有標籤的人臉圖像，用於開發涉及人臉識別的應用。
Stanford Dogs Dataset：包含 20580 個圖像和 120 個不一樣品種的狗類別。
連接：
vision.stanford.edu/aditya86/Im…
Indoor Scene Recognition：很是具體的數據集，適用於大多數場景識別模型，由於後者在「外部」表現更好。包含 67 個室內類別，總共 15620 個圖像。
連接：
情感分析
Multidomain Sentiment analysis dataset：有點舊的一個數據集，以亞馬遜的產品評論爲特點。
連接：
IMDB reviews：用於二進制情感分類的較舊的、相對較小的數據集，具備 25000 個電影評論。
連接：
Stanford Sentiment Treebank：帶有情感註釋的標準情感數據集。
連接：
Sentiment140：一個流行的數據集，使用 16 萬條預先刪除表情符號的推文
連接：help.sentiment140.com/for-student…
Twitter US Airline Sentiment：2015 年 2 月以來美國航空公司的推特數據，分爲正面、負面和中性。
連接：
天然語言處理
Enron Dataset：Enron 公司高層管理人員的電子郵件數據，整理成文件夾。
Amazon Reviews：包含來自亞馬遜長達 18 年的約 3500 萬條評論。數據包括產品和用戶信息、評級和明文審查。
連接：snap.stanford.edu/data/web-Am…
Google Books Ngrams：Google 書籍中的詞聚集合。
連接：
Blogger Corpus：從 blogger . com 收集的 681288 篇博客文章。每一個博客至少包含 200 個經常使用英語單詞。
連接：
Wikipedia Links data：維基百科全文。數據集包含 400 多萬篇文章中的近 19 億字。你能夠根據單詞、短語或段落自己的一部分進行搜索。
連接：code.google.com/p/wiki-link…
Gutenberg eBooks List：古騰堡計劃電子書註釋清單。
連接：
www.gutenberg.org/wiki/Gutenb…
Hansards text chunks of Canadian Parliament：加拿大第 36 屆國會記錄 130 萬對文本。
Jeopardy：機智問答節目 Jeopardy 中存檔的 20 多萬個問題。
連接：
SMS Spam Collection in English：由 5574 條英文短信垃圾郵件組成的數據集
連接：
www.dt.fee.unicamp.br/~tiago/smss…
Yelp Reviews：Yelp 發佈的開放數據集包含 500 多萬條評論。
UCI's Spambase：大型垃圾郵件數據集，可用於垃圾郵件過濾。
連接：
archive.ics.uci.edu/ml/datasets…
自動駕駛
Berkeley DeepDrive BDD100k：目前最大的自動駕駛人工智能數據集。包含 100000 多段視頻，內容涉及一天中不一樣時間和天氣條件下 1100 多小時的駕駛體驗。註釋圖像來自紐約和舊金山地區。
Baidu Apolloscapes：百度 Apollo 計劃開放的大規模自動駕駛數據集。它定義了 26 個不一樣語義項目，如汽車、自行車、行人、建築物、路燈等。
Comma.ai：7 小時以上的公路行駛體驗。詳細信息包括車速、加速度、轉向角和 GPS 座標。
Oxford's Robotic Car：一年內在英國牛津同一條路線重複 100 屢次的行駛。數據集捕捉天氣、交通和行人的不一樣組合，以及建築和道路工程等長期變化。
連接：robotcar-dataset.robots.ox.ac.uk/
Cityscape Dataset：記錄 50 個不一樣城市街道場景的大型數據集。
連接：www.cityscapes-dataset.com/
CSSAD Dataset：該數據集可用於自主車輛的感知和導航。數據集在發達國家的道路上出現嚴重誤差。
連接：
aplicaciones.cimat.mx/Personal/jb…
KUL Belgium Traffic Sign Dataset：比利時佛蘭德區數以千計大相徑庭的超過 10000 個的交通標誌標註。
連接：
www.vision.ee.ethz.ch/~timofter/t…
MIT AGE Lab：在 AgeLab 收集的 1000 多個小時的多傳感器驅動數據集樣本。
LISA: Laboratory for Intelligent & Safe Automobiles, UC San Diego Datasets：此數據集包括交通標誌、車輛檢測、交通燈和軌跡模式。
關注公衆帳號
【飛馬會】
▼
往期福利關注飛馬會公衆號，回覆對應關鍵詞打包下載學習資料；回覆「入羣」，加入飛馬網AI、大數據、項目經理學習羣，和優秀的人一塊兒成長！
微軟大牛人工智能系列課
（掃碼試聽或訂閱）
m.qlchat.com/live/channe… (二維碼自動識別)
回覆 數字「2」機器學習 & 數據科學必讀的經典書籍，內附資料包！
回覆 數字「3」走進AI & ML：從基本的統計學到機器學習書單（附PDF下載）
回覆 數字「12」小白| Python+Matlab+機器學習+深度神經網絡+理論+實踐+視頻+課件+源碼，附下載！
回覆 數字「13」大數據技術教程+書籍+Hadoop視頻+大數據研報+科普類書籍
回覆 數字「14」小白| 機器學習和深度學習必讀書籍+機器學習實戰視頻/PPT+大數據分析書籍推薦！
回覆 數字「16」100G Python從入門到精通！自學必備全套視頻教程+python經典書籍！
回覆 數字「18」526份行業報告+白皮書：AI人工智能、機器人、智能出行、智能家居、物聯網、VR/AR、 區塊鏈等（附下載）
回覆 數字「19」800G人工智能學習資料:AI電子書+Python語言入門+教程+機器學習等限時免費領取！
回覆 數字「20」17張思惟導圖，一網打盡機器學習統計基礎（附下載）
回覆 數字「22」吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》
回覆 數字「23」機器學習：怎樣才能作到從入門到不放棄？（內含福利）
回覆 數字「24」限時下載 | 132G編程資料：Python、JAVA、C，C++、機器人編程、PLC，入門到精通~
回覆 數字「25」限資源 | 177G Python/機器學習/深度學習/算法/TensorFlow等視頻，涵蓋入門/中級/項目各階段！
回覆 數字「27」資源 | 吳恩達斯坦福CS230深度學習課程全套資料放出（附下載）
回覆 人工智能下載《FMI人工智能與大數據峯會嘉賓演講PPT》
回覆 AI 江湖下載《十大AI江湖領域》
回覆 ML實踐下載《機器學習實踐經驗指導（英文版）》
回覆 DL論文下載《深度學習100篇以上論文資料》
回覆 算法 下載《數據挖掘十大經典算法》
回覆 6.10 下載《6.10餓了麼&飛馬網項目管理實踐PPT》
- 1. 自動駕駛數據集
- 2. 自動駕駛中常用的四類機器學習算法
- 3. 自動駕駛中機器學習算法應用大盤點
- 4. Lyft 發佈最大 L5 自動駕駛預測數據集
- 5. 從集成方法到神經網絡：自動駕駛技術中的機器學習算法有哪些？
- 6. AutoML：自動設計自動駕駛機器學習模型
- 7. 30個免費資源：涵蓋機器學習、深度學習、NLP及自動駕駛
- 8. 自動駕駛 計算機視覺數據集集合
- 9. 從零開始做自動駕駛定位(二): 數據集
- 10. 大數據學習——數據處理工具Pig入門使用
- 更多相關文章...
- • PHP 異常處理 - PHP教程
- • 免費ARP詳解 - TCP/IP教程
- • Java Agent入門實戰（三）-JVM Attach原理與使用
- • Tomcat學習筆記（史上最全tomcat學習筆記）
-
每一个你不满意的现在，都有一个你没有努力的曾经。