机器学习实战六步法之数据收集方法（四）

要落地一个机器学习的项目，是有章可循的，通过这六个步骤，小白也能搞定机器学习。

看我闪电六连鞭！

数据收集

数据是机器学习的基础，没有数据一切都是空谈！数据集的数据量和数据的质量往往决定了“事情的成败”。所以现在国内（比如百度的文言一心）搞大模型的公司，他们往往拥有“庞大的”数据资产。

数据到底从何而来？

数据的收集通常是比较费力的工作！我们通常通过开源的数据集、数据埋点、数据爬取来获取数据集。

下面介绍一些开源的数据集：

1. Kaggle：这是一个知名的数据科学社区，提供了大量的免费开源数据集，涵盖了多个领域和任务。网站地址：https://www.kaggle.com/datasets

2. UCI机器学习数据仓库：这是一个包含多个数据集的数据仓库，涵盖了多个领域和任务，如计算机科学、医学、金融等。网站地址：https://archive.ics.uci.edu/ml/index.php

3. Google Dataset Search：这是一个由Google提供的免费开源数据集搜索引擎，可用于搜索各种数据集，如图像、文本、音频等。网站地址：https://datasetsearch.research.google.com/

4. AWS数据集：这是由亚马逊AWS提供的免费开源数据集，包括天气数据、气象数据、医学数据等，可用于机器学习和数据科学。网站地址：https://registry.opendata.aws/

5. OpenML：这是一个由欧洲机器学习研究中心提供的免费开源数据集平台，包括多个数据集和任务，可用于机器学习和数据挖掘。网站地址：https://www.openml.org/

6. Data.gov：这是由美国政府提供的免费开源数据集平台，包括各种政府数据和公共数据，可用于统计分析和数据科学。网站地址：https://www.data.gov/

以下是一些医药行业的开源数据集

1. DrugBank：这是一个包含药物化合物、药品剂量、药理学数据等的数据库，用于药物研究和开发。网站地址：https://www.drugbank.ca/

2. PubChem：这是一个包含化学物质、化合物、生物分子等的数据库，用于生物化学和药物研究。网站地址：https://pubchem.ncbi.nlm.nih.gov/

3. TCGA：这是一个包含多种癌症数据的数据库，包括基因表达、突变、临床信息等，用于癌症研究和治疗。网站地址：https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga

4. GTEX：这是一个包含多个组织和器官的基因表达数据集，用于研究人类基因表达的变化和差异。网站地址：https://www.gtexportal.org/home/

5. MIMIC：这是一个包含多个重症监护患者的临床数据集，包括生理信号、诊断数据、药物治疗数据等，用于疾病预测和治疗。网站地址：https://mimic.mit.edu/

6. PhysioNet：这是一个包含多个生理信号数据集的数据库，包括心电图、脑电图、呼吸信号等，用于生理信号分析和诊断。网站地址：https://physionet.org/