机器学习网站（机器学习数据集汇总）

来源：机器学习算法与Python实战本文多干货，建议收藏本文为你汇总机器学习相关数据集。大学公开数据集(Stanford)69G大规模无人机(校园)图像数据集【Stanford】http://cvgl.stanford.edu/projects/uav_data/人脸素描数据集【CUHK】http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html自然语言推理(文本蕴含标记)数据集【NYU】https://www.nyu.edu/projects/bowman/multinli/Berkeley图像分割数据集BSDS500【Berkeley】https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html宠物图片(分割)数据集【Oxford】http://www.robots.ox.ac.uk/~vgg/data/pets/发布ADE20K场景感知/解析/分割/多目标识别数据集【MIT】https://groups.csail.mit.edu/vision/datasets/ADE20K/多模态二元行为数据集【GaTech】http://www.cbi.gatech.edu/mmdb/计算机视觉／图像／视频数据集Fashion-MNIST风格服饰图像数据集【肖涵】https://github.com/zalandoresearch/fashion-mnist大型(50万)LOGO标志数据集https://data.vision.ee.ethz.ch/cvl/lld/4D扫描(60fps移动非刚性物体3D扫描)数据集【D-FAUST】http://dfaust.is.tue.mpg.de基于MNIST的视觉计数合成数据集Counting MNISThttp://fomoro.com/tools/counting-mnist/YouTube MV视频数据集【Keunwoo Choi】https://github.com/keunwoochoi/YouTube-music-video-5M计算机视觉合成数据集/工具大列表【unrealcv】https://github.com/unrealcv/synthetic-computer-vision动物属性标记数据集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】http://cvml.ist.ac.at/AwA2/日本漫画数据集Manga109http://dl.acm.org/citation.cfm?doid=3011549.3011551俯拍舞蹈视频数据集http://homepages.inf.ed.ac.uk/rbf/CEILIDHDATA/Pixiv(着色)图片数据集【Jerry Li】https://github.com/jerryli27/pixiv_datasete-VDS视频数据集https://engineering.purdue.edu/elab/eVDS/#downloadQuick, Draw!简笔画涂鸦数据集https://github.com/googlecreativelab/quickdraw-dataset简笔画涂鸦数据集【hardmaru】https://github.com/hardmaru/sketch-rnn-datasets服饰人像生成模型(&Chictopia10K[HumanParsing]时尚人像解析数据集)【Christoph Lassner／Gerard Pons-Moll／Peter V. Gehler】http://files.is.tue.mpg.de/classner/gp/COCO像素级标注数据集https://github.com/nightrome/cocostuff大规模街道级图片(分割)数据集【Peter Kontschieder】http://blog.mapillary.com/product/2017/05/03/mapillary-vistas-dataset.html大规模日语图片描述数据集https://github.com/STAIR-Lab-CIT/STAIR-captionsCityscapes街景语义分割数据集（50城30类5k细标20k粗标图片及标记视频）https://github.com/mcordts/cityscapesScripts(街头)时尚服饰数据集(2000+标注图片)https://github.com/bearpaw/clothing-co-parsingPyTorch实现的VOC2012数据集Pixel-wise目标分割【BodoKaiser】https://github.com/bodokaiser/piwiseTwenty Billion Neurons对象复杂运动与交互视频数据集【Nikita Johnson】https://www.re-work.co/blog/the-something-something-video-dataset文本／评价／问答／自然语言数据集(20万)英文笑话数据集【TaivoPungas】https://github.com/taivop/joke-dataset机器学习保险行业问答开放数据集【HainWang】https://github.com/shuzi/insuranceQA保险行业问答(QA)数据集【Minwei Feng】https://github.com/shuzi/insuranceQAStanford NLP发布新的多轮、跨域、任务导向对话数据集【Mihail Eric】https://github.com/keunwoochoi/YouTube-music-video-5M实体/名词语义关系标记数据集【David S. Batista】https://github.com/davidsbatista/Annotated-Semantic-Relationships-DatasetsNLVR：自然语言基础数据集(对象分组、数量、比较及空间关系推理)http://lic.nlp.cornell.edu/nlvr/2.8万文章/10万问题大规模(英语考试)阅读理解数据集https://github.com/qizhex/RACE_AR_baselines错误拼写数据集http://www.dcs.bbk.ac.uk/~ROGER/corpora.html文本简化数据集http://www.cs.pomona.edu/~dkauchak/simplification/英语词/句/语义框架框架标注数据集FrameNethttps://framenet.icsi.berkeley.edu/fndrupal/(又一个)自然语言处理(NLP)数据集列表【Nicolas Iderhoff】https://github.com/niderhoff/nlp-datasets跨语种/多样式/多粒度文本相似性检测数据集https://github.com/FerreroJeremy/Cross-Language-DatasetQuora数据集：400000行潜在重复问题http://qim.ec.quoracdn.net/quora_duplicate_questions.tsv文本分类数据集http://disi.unitn.it/moschitti/corpora.htmFrames：Maluuba对话数据集https://datasets.maluuba.com/Frames/dl跨域(Amazon商品评论)情感数据集http://www.cs.jhu.edu/~mdredze/datasets/sentiment/语义网机器学习系统评价/基准数据集集合http://dws.informatik.uni-mannheim.de/en/research/a-collection-of-benchmark-datasets-for-ml其它数据集数据科学/机器学习数据集汇总https://elitedatascience.com/datasetsCORe50：连续目标识别数据集【VincenzoLomonaco&DavideMaltoni】https://vlomonaco.github.io/core50/(Matlab)数据集统计分布自动发现【Isabel Valera】http://proceedings.mlr.press/v70/valera17a.html(建筑物)损害评估数据集【tsunami】https://github.com/faiton713/ABCDdatasetIndieWeb社交图谱数据集【IndieWeb】http://www.indiemap.orgDeepMind开源环境/数据集/代码集合【DeepMind】https://deepmind.com/research/open-source/鸟叫声数据集【xeno-canto】http://www.xeno-canto.orgWolfram数据集仓库https://datarepository.wolframcloud.com大型音乐分析数据集FMAhttps://github.com/mdeff/fma(300万)Instacart在线杂货购物数据集【Jeremy Stanley】https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2用于欺诈检测的合成财务数据集【TESTIMON】https://www.kaggle.com/ntnu-testimon/paysim1NSynth：大规模高质量音符标记音频数据集https://magenta.tensorflow.org/datasets/nsynthLIBSVM格式分类/回归/多标签/字符串数据集https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html笔记本电脑用logistic回归拟合100G数据集【DmitriySelivanov】http://dsnotes.com/post/2017-02-07-large-data-feature-hashing-and-online-learning-part-2/StackExchange近似/重复问题数据集http://nlp.cis.unimelb.edu.au/resources/cqadupstack/2010-2017最全KDD CUP赛题回顾及数据集http://suo.im/2kRoQ1食谱数据集：带有评级、营养及类别信息的超过2万种食谱【HugoDarwood】https://www.kaggle.com/hugodarwood/epirecipes奥斯卡数据集【Academy of Motion Picture Arts and Sciences】https://www.kaggle.com/theacademy/academy-awards计算医疗库：(TensorFlow)大型医疗数据集分析与机器学习建模【AkshayBhat】https://github.com/AKSHAYUBHAT/ComputationalHealthcare聚类数据集https://cs.joensuu.fi/sipu/datasets/官方开放气候数据集https://pan.baidu.com/s/1i52Xarb全球恐怖袭击事件数据集【START Consortium】https://www.kaggle.com/START-UMD/gtd七个机器学习时序数据集https://machinelearningmastery.com/time-series-datasets-for-machine-learning/大型众包关系数据库自然语言查询语义解析数据集(8万+查询样本)http://t.cn/RNMr09n赛马赔率数据集http://t.cn/RNf0tXN新的YELP数据集：包含470万评论和15.6万商家http://t.cn/RNG6JYiJMIR数据集专刊《JMIR Data》http://t.cn/RCIhmvS日文木版印刷文字识别数据集http://t.cn/RCZPfYB多模态二元行为数据集http://t.cn/RCzFn1g机器学习论文/数据集/工具集锦(日文)http://t.cn/RKV7x2A机器学习公司的十大数据搜集策略http://t.cn/R54rtvdNLP数据集加载工具集http://t.cn/RaYwYXl日语相似词数据集http://t.cn/RaVFV35大规模人本完形填空(多选阅读理解)数据集http://t.cn/Rac2Pey高质量免费数据集列表http://t.cn/R6B1aqa《数据之美》自然语言数据集/代码http://t.cn/hBOTM4微软数据集MS MARCO，阅读理解领域的「ImageNet」http://t.cn/RIMqGBKAI2科学问答数据集(多选)http://t.cn/RI5liwJ常用图像数据集大全（分类，跟踪，分割，检测等）搜狗实验室数据集：http://www.sogou.com/labs/dl/p.html互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别，总数高达2,836,535张图片。对于每张图片，数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。200多G。http://www.imageclef.org/IMAGECLEF致力于为图片相关领域提供一个基准（检索、分类、标注等等） Cross Language Evaluation Forum (CLEF) 。从2003年开始每年举行一次比赛。http://staff.science.uva.nl/~xirong/index.php?n=Main.Dataset编辑：黄继彦—完—关注清华-青岛数据科学研究院官方微信公众平台“ THU数据派 ”及姊妹号“ 数据派THU ”获取更多讲座福利及优质内容。