轉：UCI數據集和源代碼&數據挖掘的數據集資源

時間 2019-11-17

標籤 uci 數據源代碼數據挖掘資源简体版

原文原文鏈接

《UCI數據集和源代碼》html

UCI數據集是一個經常使用的標準測試數據集，下載地址在java

http://www.ics.uci.edu/~mlearn/MLRepository.htmlpython

個人主頁上也有整理好的一些UCI數據集(arff格式)：mysql

http://lamda.nju.edu.cn/yuy/files/download/UCI_arff.ziplinux

在看別人的論文時，別人使用的數據集會給出數據集的出處或下載地址（除非是很機密的數據，例如與國家安全有關）。若是你看的論文沒有給出數據集的出處，請當即中止看這篇論文，而且中止看刊發這篇論文的期刊上的全部文章。由於能夠判定這些文章質量不好。ios

關於源代碼，網上有不少公開源碼的算法包，例如最爲著名的Weka，MLC++等。Weka還在不斷的更新其算法，下載地址：web

http://www.cs.waikato.ac.nz/ml/weka/算法

不少的機器學習的經典算法都在裏面。並且公佈源程序，易於修改。sql

若是做者沒有公佈源程序，能夠到做者主頁找找，也能夠寫信給做者要，通常論文開頭都會有做者的email地址。寫信的時候要注意要頗有禮貌，不然做者，尤爲是著名學者，頗有可能不會理睬。若是算法簡單，能夠本身實現。數據庫

關於論文的下載，若是可以訪問電子圖書館是最好的，不少學校都買了IEEE, Elsevier, Kluwer等，上面的期刊都不錯。有一些很好的期刊是免費的，像JAIR和JMLR，分別在：

http://www.cs.washington.edu/research/jair/home.html

http://www.jmlr.org/

若是能訪問的免費期刊太少，能夠到CiteSeer上搜索(http://citeseer.ist.psu.edu/ )，上面蒐集了不少免費論文（可是要注意，論文的質量良莠不齊），或者用Googlewww.google.com )搜索。

再囑咐兩點，要作研究，首先要打好基礎，例如數學基礎和程序設計能力，要學會熟練使用google等搜索引擎，還有必定要看高質量的論文。

《數據挖掘的數據集資源》

你們作數據挖掘研究時，經常爲找不到合適的數據而發愁。在KDNuggets上有Datasets欄目，提供一些數據集，網址爲：http://www.kdnuggets.com/datasets/

還有另一個很好的資源網址爲：http://kdd.ics.uci.edu/ ，裏面包含的數據資源以下（按應用領域劃分）：

Direct Marketing

KDD CUP 1998 Data

GIS

Forest CoverType

Indexing

Corel Image Features

Pseudo Periodic Synthetic Time Series

Intrusion Detection

KDD CUP 1999 Data

Process Control

Synthetic Control Chart Time Series

Recommendation Systems

Entree Chicago Recommendation Data

Robots

Pioneer-1 Mobile Robot Data

Robot Execution Failures

Sign Language Recognition

Australian Sign Language Data

High-quality Australian Sign Language Data

Text Categorization

20 Newsgroups Data

Reuters-21578 Text Categorization Collection

NSF Research Awards Abstracts 199 0-2003

World Wide Web

Microsoft Anonymous Web Data

MSNBC Anonymous Web Data

Syskill Webert Web Data

轉：http://blogger.org.cn/blog/more.asp?name=DMman&id=24043

一、氣候監測數據集 http://cdiac.ornl.gov/ftp/ndp026b

二、幾個實用的測試數據集下載的網站

http://www.cs.toronto.edu/~roweis/data.html

http://www.cs.toronto.edu/~roweis/data.html

http://kdd.ics.uci.edu/summary.task.type.html

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-20/www/data/

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/

http://www.phys.uni.torun.pl/~duch/software.html

在下面的網址能夠找到reuters數據集http://www.research.att.com/~lewis/reuters21578.html

如下網址上有各類數據集：

http://kdd.ics.uci.edu/summary.data.type.html

進行文本分類，還有一個數據集是能夠用的，即rainbow的數據集

http://www-2.cs.cmu.edu/afs/cs/project/theo-11/www/naive-bayes.html

三、找了不少測試數據集,寫論文的同志們確定須要的,至少能用來檢驗算法的效果

可能有一些不能訪問,可是總有能訪問的吧：

UCI收集的機器學習數據集

ftp://pami.sjtu.edu.cn/

http://www.ics.uci.edu/~mlearn//MLRepository.htm

statlib

http://liama.ia.ac.cn/SCILAB/scilabindexgb.htm

http://lib.stat.cmu.edu/

樣本數據庫

http://kdd.ics.uci.edu/

http://www.ics.uci.edu/~mlearn/MLRepository.html

關於基金的數據挖掘的網站

http://www.gotofund.com/index.asp

http://lans.ece.utexas.edu/~strehl/

reuters數據集

http://www.research.att.com/~lewis/reuters21578.html

各類數據集：

http://kdd.ics.uci.edu/summary.data.type.html

http://www.mlnet.org/cgi-bin/mlnetois.pl/?File=datasets.html

http://lib.stat.cmu.edu/datasets/

http://dctc.sjtu.edu.cn/adaptive/datasets/

http://fimi.cs.helsinki.fi/data/

http://www.almaden.ibm.com/software/quest/Resources/index.shtml

http://miles.cnuce.cnr.it/~palmeri/datam/DCI/

進行文本分類&WEB

http://www-2.cs.cmu.edu/afs/cs/project/theo-11/www/naive-bayes.html

http://www.w3.org/TR/WD-logfile-960221.html

http://www.w3.org/Daemon/User/Config/Logging.html#AccessLog

http://www.w3.org/1998/11/05/WC-workshop/Papers/bala2.html

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/

http://www.web-caching.com/traces-logs.html

http://www-2.cs.cmu.edu/webkb

http://www.cs.auc.dk/research/DP/tdb/TimeCenter/TimeCenterPublications/TR-75.pdf

http://www.cs.cornell.edu/projects/kddcup/index.html

時間序列數據的網址

http://www.stat.wisc.edu/~reinsel/bjr-data/

apriori算法的測試數據

http://www.almaden.ibm.com/cs/quest/syndata.html

數據生成器的連接

http://www.cse.cuhk.edu.hk/~kdd/data_collection.html

http://www.almaden.ibm.com/cs/quest/syndata.html

關聯：

http://flow.dl.sourceforge.net/sourceforge/weka/regression-datasets.jar

http://www.almaden.ibm.com/software/quest/Resources/datasets/syndata.html#assocSynData

WEKA：

http://flow.dl.sourceforge.net/sourceforge/weka/regression-datasets.jar

1。A jarfile containing 37 classification problems, originally obtained from the UCI repository

http://prdownloads.sourceforge.net/weka/datasets-UCI.jar

2。A jarfile containing 37 regression problems, obtained from various sources

http://prdownloads.sourceforge.net/weka/datasets-numeric.jar

3。A jarfile containing 30 regression datasets collected by Luis Torgo

http://prdownloads.sourceforge.net/weka/regression-datasets.jar

癌症基因：

http://www.broad.mit.edu/cgi-bin/cancer/datasets.cgi

金融數據：

http://lisp.vse.cz/pkdd99/Challenge/chall.htm

另外一我的提供的

http://www.cs.toronto.edu/~roweis/data.html

http://kdd.ics.uci.edu/summary.task.type.html

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-20/www/data/

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/

http://www.phys.uni.torun.pl/~duch/software.html

在下面的網址能夠找到reuters數據集

http://www.research.att.com/~lewis/reuters21578.html

如下網址上有各類數據集：

http://kdd.ics.uci.edu/summary.data.type.html

進行文本分類，還有一個數據集是能夠用的，即rainbow的數據集

http://www-2.cs.cmu.edu/afs/cs/project/theo-11/www/naive-bayes.html

Download the Financial Data (~17.5M zipped file, ~67M unzipped data)

Download the Medical Data (~2M zipped file, ~6M unzipped data)

http://lisp.vse.cz/pkdd99/Challenge/chall.htm

kdnuggets 相關連接數據集（借花獻佛了）：

http://www.kdnuggets.com/datasets/index.html

你也能夠到http://blogger.org.cn/blog/more.asp?name=idmer&id=24017

察看kdnuggets 數據集資源的詳細介紹。

數據挖掘相關比賽以及數據集

2005 University of California data mining contest , predicting bad accounts and their churn date using real-world CRM data, deadline June 30, 2005.

ILP 2005 Challenge , on the prediction of functional classes of genes. KDD Cup 2005 , on classifying internet user search queries, deadline July 8. Data Mining Cup 2005 (Chemnitz, Germany) , for students; topic: How data mining can ascertain the risk of loss of payments and reduce this risk. KDD Cup 2004 , focuses on data-mining for a several performance criteria using datasets from bioinformatics and quantum physics. InfoVis 2004 Contest , The History of InfoVis. DATA MINING CUP 2004 (Chemnitz, Germany) , for students. InfoVis 2003 Contest: Visualization and Pair Wise Comparison of Trees , results announced Sep 5, 2003. KDD Cup 2003 , focuses on problems motivated by network mining and the analysis of usage logs. DATA MINING CUP 2003 (Chemnitz, Germany) . The task is to identify spam emails before they reach the user′s mailbox. KDD Cup 2002 , focus on data mining in molecular biology. Student Data Mining Cup (2002) , Chemnitz University and Prudential Systems.

相關文章

相關標籤/搜索

Python數據挖掘

數據集介紹

貓狗數據集

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。

最新文章

本站公眾號

歡迎關注本站公眾號,獲取更多信息

相關文章

>>更多相關文章<<