10个经典的公开数据集+免费下载链接

1、帕尔默企鹅数据集

​

背景描述

由Kristen Gorman博士和南极洲LTER的帕尔默科考站共同创建，包含344只企鹅的数据。

数据说明

species: 三个企鹅种类：阿德利 巴布亚 帽带

culmen_length_mm: 鸟的嘴峰长度

culmen_depth_mm: 鸟的嘴峰深度

flipper_length_mm: 脚掌长度

body_mass_g: 体重

island: 岛屿的名字

sex: 企鹅的性别

下载链接：帕尔默企鹅数据集

---

2、MNIST数据集

​经典的手写数字数据集，用于图像分类和识别练习。

2.1 中文数字MNIST

背景描述

由100名中国人亲自用黑笔手写的15个数字

数据说明

15000张 300x300分辨率 64x64大小的图片

下载链接：中文数字MNIST

2.2 Fashion MNIST

背景描述

用于代替原始的MNIST数据

数据说明

包含 60,000 个样本的训练集和一个 10,000 个服装图像的测试集，所有图像都经过尺寸归一化和居中，图像的大小也固定为 28×28

下载链接：Fashion MNIST

---

3、共享单车

​

2.1 国内共享单车数据集

背景描述

共享单车数据集

数据说明

训练集（train.csv）和测试集 共近500万条出行记录：

orderid 订单号 userid 用户ID bikeid 车辆ID biketype 车辆类型 starttime 骑行起始日期时间 geohashed_start_loc 骑行起始区块位置 geohashed_end_loc 骑行目的地区块位置

注意：地理位置通过Geohash加密，可以通过开源的方法获得经纬度数据（test.csv）

下载链接：国内共享单车数据集

2.2 共享单车需求

背景描述

华盛顿特区“首都自行车共享计划”，根据自行车共享和租赁系统获取的数据

数据说明

骑行信息：时间、出发地点、到达地点、经过时间、租借总长；

天气信息：当天温度（摄氏度）、风速、湿度；

时间信息：季节、工作日、周末、假期；

下载链接：共享单车需求

---

4、猫狗图片

包含2千张（猫与狗各1千张）图片，用于机器学习

下载链接：猫狗训练集共2000张

---

5、威斯康星州乳腺癌（诊断）数据集

​

背景描述

数据通过处理乳房肿块的细针穿刺（FNA）的数字化图像提取出来

数据说明

由 569 个样本组成，包括 357 个良性样本和 212 个恶性样本。这个数据集中有三类特征，其中实值特征最有趣。它们是从数字化图像中计算出来的，包含有关区域、细胞半径、纹理等信息

下载链接：威斯康星州乳腺癌（诊断）数据集

---

6、葡萄酒数据集

​

6.1 红葡萄酒

背景描述

数据取自葡萄牙一种红酒品类：Vinho Verde

数据说明

包含11种特征与最终质量评分

下载链接：红酒质量数据

6.2 白葡萄酒

背景描述

来自葡萄牙Vinho Verde产地的白葡萄酒

数据说明

包含葡萄酒的氯化物、柠檬酸、硫酸盐、酒精度、残留糖份等其他属性数据

下载链接：白葡萄酒质量

---

7、Twitter推文的情绪分析

背景描述

情绪分析用于监控和了解客户反馈

数据说明

包含了使用 Twitter API 提取的 1,600,000 条推文

下载链接：Twitter推文的情绪分析数据集

---

8、小麦种子数据

背景描述

有趣简单的数据，可代替Iris数据集用来训练分类

数据说明

包含属于三种不同小麦品种的种子信息：Kama、Rosa 和 Canadian。它是一个均衡的数据集，每个类别有 70 个实例。种子内部内核结构的测量值是使用软 X 射线技术检测的

下载链接：小麦种子数据

---

9、BBC新闻数据

​

背景描述

BBC新闻进行分类

数据说明

由 2225 篇文章组成，每篇文章都有标签，文章分成 5 个类别：科技、商业、政治、娱乐、体育

下载链接：BBC新闻数据

---

10、皮马印第安人糖尿病数据集

​

背景描述

来自美国国家糖尿病、消化和肾脏疾病研究所，其目的是根据某些诊断指标来预测患者是否患有糖尿病

数据说明

包含 768 个观测值，具有 8 个输入特征和 1 个输出特征。它不是一个均衡的数据集，并且假设缺失值被替换为 0

下载链接：皮马印第安人糖尿病数据集