數(shù)據(jù)查詢網(wǎng)站：

1、企業(yè)產(chǎn)生的用戶數(shù)據(jù)
百度指數(shù)：http://index.baidu.com/
阿里指數(shù)：https://alizs.taobao.com/
TBI 騰訊瀏覽指數(shù)：http://tbi.tencent.com/
新浪微博指數(shù)：http://data.weibo.com/index

2 、數(shù)據(jù)平臺購買數(shù)據(jù) ：
數(shù)據(jù)堂：http://www.datatang.com/about/about-us.html
國云數(shù)據(jù)市場：http://www.moojnn.com/data-market/
貴陽大數(shù)據(jù)交易所：http://trade.gbdex.com/trade.web/index.jsp

3 、政府/ 機構(gòu)公開的數(shù)據(jù) ：
中華人民共和國國家統(tǒng)計局數(shù)據(jù)：http://data.stats.gov.cn/index.htm
世界銀行公開數(shù)據(jù)：http://data.worldbank.org.cn/
聯(lián)合國數(shù)據(jù)：http://data.un.org/
納斯達克：http://www.nasdaq.com/zh

4 、 數(shù)據(jù)管理咨詢公司 ：
麥肯錫：http://www.mckinsey.com.cn/
埃森哲：https://www.accenture.com/cn-zh/
艾瑞咨詢：http://www.iresearch.com.cn/

簡單通用數(shù)據(jù)集

0、http://data.stats.gov.cn/
不用解釋。

1、data.gov ( https://www.data.gov/ )

這是美國政府公開數(shù)據(jù)的所在地，該站點包含了超過19萬的數(shù)據(jù)點。這些數(shù)據(jù)集不同于氣候、教育、能源、金融和更多領(lǐng)域的數(shù)據(jù)。

2.data.gov.in ( https://data.gov.in/ )

這是印度政府公開數(shù)據(jù)的所在地，通過各種行業(yè)、氣候、醫(yī)療保健等來尋找數(shù)據(jù)，你可以在這里找到一些靈感。根據(jù)你居住的國家的不同，你也可以從其他一些網(wǎng)站上瀏覽類似的網(wǎng)站。

3.World Bank( http://data.worldbank.org/ )

世界銀行的開放數(shù)據(jù)。該平臺提供 Open Data Catalog，世界發(fā)展指數(shù)，教育指數(shù)等幾個工具。

4.RBI ( https://rbi.org.in/Scripts/Statistics.aspx )

印度儲備銀行提供的數(shù)據(jù)。這包括了貨幣市場操作、收支平衡、銀行使用和一些產(chǎn)品的幾個指標。

5.Five Thirty Eight Datasets ( https://github.com/fivethirtyeight/data )

Five Thirty Eight，亦稱作 538，專注與民意調(diào)查分析，政治，經(jīng)濟與體育的博客。該數(shù)據(jù)集為 Five Thirty Eight Datasets 使用的數(shù)據(jù)集。每個數(shù)據(jù)集包括數(shù)據(jù)，解釋數(shù)據(jù)的字典和Five Thirty Eight 文章的鏈接。如果你想學習如何創(chuàng)建數(shù)據(jù)故事，沒有比這個更好。

大型數(shù)據(jù)集

1.Amazon Web Services（AWS）datasets

https://aws.amazon.com/cn/datasets/
Amazon提供了一些大數(shù)據(jù)集，可以在他們的平臺上使用，也可以在本地計算機上使用。您還可以通過EMR使用EC2和Hadoop來分析云中的數(shù)據(jù)。在亞馬遜上流行的數(shù)據(jù)集包括完整的安然電子郵件數(shù)據(jù)集，Google Books n-gram，NASA NEX 數(shù)據(jù)集，百萬歌曲數(shù)據(jù)集等。

2.Google datasets
https://cloud.google.com/bigquery/public-data/
Google 提供了一些數(shù)據(jù)集作為其 Big Query 工具的一部分。包括 GitHub 公共資料庫的數(shù)據(jù)，Hacker News 的所有故事和評論

3.Youtube labeled Video Dataset
https://research.google.com/youtube8m/

預測建模與機器學習數(shù)據(jù)集

UCI Machine Learning Repository
UCI機器學習庫顯然是最著名的數(shù)據(jù)存儲庫。如果您正在尋找與機器學習存儲庫相關(guān)的數(shù)據(jù)集，通常是首選的地方。這些數(shù)據(jù)集包括了各種各樣的數(shù)據(jù)集，從像Iris和泰坦尼克這樣的流行數(shù)據(jù)集到最近的貢獻，比如空氣質(zhì)量和GPS軌跡。存儲庫包含超過350個與域名類似的數(shù)據(jù)集(分類/回歸)。您可以使用這些過濾器來確定您需要的數(shù)據(jù)集。

2.Kaggle
https://www.kaggle.com/datasets
Kaggle提出了一個平臺，人們可以貢獻數(shù)據(jù)集，其他社區(qū)成員可以投票并運行內(nèi)核/腳本。他們總共有超過350個數(shù)據(jù)集——有超過200個特征數(shù)據(jù)集。雖然一些最初的數(shù)據(jù)集通常出現(xiàn)在其他地方，但我在平臺上看到了一些有趣的數(shù)據(jù)集，而不是在其他地方出現(xiàn)。與新的數(shù)據(jù)集一起，界面的另一個好處是，您可以在相同的界面上看到來自社區(qū)成員的腳本和問題。

3.Analytics Vidhya
https://datahack.analyticsvidhya.com/contest/all/
您可以從我們的實踐問題和黑客馬拉松問題中參與和下載數(shù)據(jù)集。問題數(shù)據(jù)集基于真實的行業(yè)問題，并且相對較小，因為它們意味著2 - 7天的黑客馬拉松。

4.Quandl
https://www.quandl.com/
Quandl 通過起網(wǎng)站、API 或一些工具的直接集成提供了不同來源的財務(wù)、經(jīng)濟和替代數(shù)據(jù)。他們的數(shù)據(jù)集分為開放和付費。所有開放數(shù)據(jù)集為免費，但高級數(shù)據(jù)集需要付費。通過搜索仍然可以在平臺上找到優(yōu)質(zhì)數(shù)據(jù)集。例如，來自印度的證券交易所數(shù)據(jù)是免費的。

5.Past KDD Cups
( http://www.kdd.org/kdd-cup )
KDD Cup 是 ACM Special Interest Group 組織的年度數(shù)據(jù)挖掘和知識發(fā)現(xiàn)競賽。

圖像分類數(shù)據(jù)集

1.The MNIST Database
( http://yann.lecun.com/exdb/mnist/ )
最流行的圖像識別數(shù)據(jù)集，使用手寫數(shù)字。它包括6萬個示例和1萬個示例的測試集。這通常是第一個進行圖像識別的數(shù)據(jù)集。

2.Chars74K
(http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/ )
這里是下一階段的進化，如果你已經(jīng)通過了手寫的數(shù)字。該數(shù)據(jù)集包括自然圖像中的字符識別。數(shù)據(jù)集包含74,000個圖像，因此數(shù)據(jù)集的名稱。

3.Frontal Face Images
(http://vasc.ri.cmu.edu//idb/html/face/frontal_images/index.html )
如果你已經(jīng)完成了前兩個項目，并且能夠識別數(shù)字和字符，這是圖像識別中的下一個挑戰(zhàn)級別——正面人臉圖像。這些圖像是由CMU & MIT收集的，排列在四個文件夾中。

4.ImageNet
( http://image-net.org/ )
現(xiàn)在是時候構(gòu)建一些通用的東西了。根據(jù)WordNet層次結(jié)構(gòu)組織的圖像數(shù)據(jù)庫(目前僅為名詞)。層次結(jié)構(gòu)的每個節(jié)點都由數(shù)百個圖像描述。目前，該集合平均每個節(jié)點有超過500個圖像(而且還在增加)。

文本分類數(shù)據(jù)集

1.Spam – Non Spam
(http://www.esp.uem.es/jmgomez/smsspamcorpus/)
區(qū)分短信是否為垃圾郵件是一個有趣的問題。你需要構(gòu)建一個分類器將短信進行分類。

2.Twitter Sentiment Analysis
(http://thinknook.com/twitter-sentiment-analysis-training-corpus-dataset-2012-09-22/)
該數(shù)據(jù)集包含 1578627 個分類推文，每行被標記為1的積極情緒，0位負面情緒。數(shù)據(jù)依次基于 Kaggle 比賽和 Nick Sanders 的分析。

3.Movie Review Data
(http://www.cs.cornell.edu/People/pabo/movie-review-data/)
這個網(wǎng)站提供了一系列的電影評論文件，這些文件標注了他們的總體情緒極性(正面或負面)或主觀評價(例如，“兩個半明星”)和對其主觀性地位(主觀或客觀)或極性的標簽。

推薦引擎數(shù)據(jù)集

1.MovieLens
( https://grouplens.org/ )
MovieLens 是一個幫助人們查找電影的網(wǎng)站。它有成千上萬的注冊用戶。他們進行自動內(nèi)容推薦，推薦界面，基于標簽的推薦頁面等在線實驗。這些數(shù)據(jù)集可供下載，可用于創(chuàng)建自己的推薦系統(tǒng)。

2.Jester
(http://www.ieor.berkeley.edu/~goldberg/jester-data/)
在線笑話推薦系統(tǒng)。

總結(jié)

以上是生活随笔為你收集整理的【干货】数据集网站汇总！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。