机器学习/深度学习常用数据集归纳（附百度网盘链接）

编程入门行业动态更新时间:2024-10-15 04:21:42

文章目录

一、前言
二、分类常用数据集
- （1）海伦约会
- （2）iris鸢尾花数据集
- （3）垃圾邮件过滤
- （4）cifar10/100数据集
- （6）mnist数据集
三、聚类常用数据集
- （1）Kmean-dataset
四、回归常用数据集
- （1）Boston房屋价格预测
五、分割常用数据集
- （1）视网膜血管
- （2）LIST2017
六、其他数据集
- （1）FERET_80_80人脸数据库
- （2）FACES人脸数据库

一、前言

数据集不定时更新，欢迎大家分享更多的数据集，若数据集分享链接失效的话，可评论或私聊博主，还有…emmmm, 制造不易，点个赞再走把！！
最后一次更新日期：2020.6.25

二、分类常用数据集

（1）海伦约会

样本数据特征： 1.每年获得的飞行常客里程数
2.玩视频游戏所消耗事件百分比
3.每周消费的冰激凌公升数

样本标签值： 1.不喜欢的人
2.魅力一般的人
3.极具魅力的人

数据集格式： txt文件

百度网盘链接：海伦约会数据集
提取码：xgm6

（2）iris鸢尾花数据集

样本数据特征： 1.Sepal.Length（花萼长度）
2.Sepal.Width（花萼宽度）
3.Petal.Length（花瓣长度）
4.Petal.Width（花瓣宽度）

样本标签值： 1.setosa
2.versicolor
3.virginica

数据集格式： csv文件

百度网盘链接：iris鸢尾花数据集
提取码：5m0q

（3）垃圾邮件过滤

数据集说明： 数据集下包含两个文件夹，其中spam文件夹下为垃圾邮件，ham文件夹下为非垃圾邮件。

数据集格式： txt文件

百度网盘链接：垃圾邮件过滤
提取码：3pny

（4）cifar10/100数据集

cifar10数据集说明：由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。

数据集类型：python版本

说明：其中readme.html文件下包含Matlab和binary两个版本的下载，以及包含cifar100的下载链接，需要者可自行下载。

百度网盘链接：cifar10/100数据集下载
提取码：diwr

（6）mnist数据集

cifar10数据集说明：MNIST数据集由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。

数据集格式：.pkl文件、.txt文件（binary）、.rar文件（image）

百度网盘链接：pkl格式mnist数据集
提取码：cd5i

百度网盘链接：txt格式mnist数据集
提取码：an60

百度网盘链接：rar格式mnist数据集
提取码：4ehe

三、聚类常用数据集

（1）Kmean-dataset

说明：此数据集为编写Kmeans算法时，创造的简易数据集，包含四个特征值，有需要的朋友可以自取。

数据集格式： txt文件

百度网盘链接：Kmeans算法数据集
提取码：891h

四、回归常用数据集

（1）Boston房屋价格预测

样本数据特征： 1.CRIM： 城镇人均犯罪率
2.ZN： 住宅用地超过 25000 sq.ft. 的比例
3.CHAS： 查理斯河空变量（如果边界是河流，则为1；否则为0）
4.NOX： 一氧化氮浓度
5.RM： 住宅平均房间数
6.AGE： 1940 年之前建成的自用房屋比例
7.DIS： 到波士顿五个中心区域的加权距离
8.RAD： 辐射性公路的接近指数
9.TAX： 每 10000 美元的全值财产税率
10.PTRATIO： 城镇师生比例
11.B： 1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例
12.LSTAT： 人口中地位低下者的比例