初級——這部分的數(shù)據(jù)集很容易處理，使用基礎(chǔ)的回歸/分類算法就可以處理這些數(shù)據(jù)集。并且，這些數(shù)據(jù)集有足夠的教程供你學習。

中級——略微有點難度。包含了需要使用有點難度的模式識別技能來處理的大中型數(shù)據(jù)集。另外，特征工程在這里可以發(fā)揮作用了。

高級——包括神經(jīng)網(wǎng)絡(luò)、深度學習、推薦系統(tǒng)及高維數(shù)據(jù)等。

1.Iris Data數(shù)據(jù)集(花的類別識別)

Iris Data Set可能是模式識別領(lǐng)域?qū)W習分類技術(shù)最基本入門級的數(shù)據(jù)集，適合初學者。該數(shù)據(jù)集里面包含了150行4列個數(shù)據(jù)。

問題: 根據(jù)已有特征預測花的類別。

資源：

數(shù)據(jù)集：https://archive.ics./ml/datasets/Iris?spm=a2c4e.11153940.blogcont603256.5.333b1d6f05ZggC

教程：http://www./thoi_gian/iris-data-analysis-with-r?spm=a2c4e.11153940.blogcont603256.6.333b1d6f05ZggC

2.Loan Prediction 數(shù)據(jù)集(貸款預測)

它是保險領(lǐng)域最常引用的一個數(shù)據(jù)集。利用這個數(shù)據(jù)集，你可以充分體驗到如何處理保險公司的數(shù)據(jù)，包括會遇到哪些挑戰(zhàn)、需要什么策略、哪些變量會影響結(jié)果等。這是一個分類問題，數(shù)據(jù)集包含615行13列個數(shù)據(jù)。

問題: 預測一個貸款是否能夠被批準。

資源：

數(shù)據(jù)集：https://datahack./contest/practice-problem-loan-prediction-iii/?spm=a2c4e.11153940.blogcont603256.7.333b1d6fYOsiOK

教程：https://www./blog/2016/01/complete-tutorial-learn-data-science-python-scratch-2/?spm=a2c4e.11153940.blogcont603256.8.333b1d6fYOsiOK

3. Bigmart Sales 數(shù)據(jù)集(零售業(yè)銷售)

零售業(yè)是另一個充分利用數(shù)據(jù)分析優(yōu)化商業(yè)流程的行業(yè)。我們可以利用數(shù)據(jù)科學對商品的放置、庫存管理、定制供應(yīng)、商品捆綁等任務(wù)進行巧妙的處理。該數(shù)據(jù)集包含了商店的交易數(shù)據(jù)，是一個回歸問題，共包含8523行12列個數(shù)據(jù)。

問題：預測銷量。

資源：

數(shù)據(jù)集：https://datahack./contest/practice-problem-big-mart-sales-iii/?spm=a2c4e.11153940.blogcont603256.9.333b1d6fYOsiOK

教程： https://www./blog/2016/02/bigmart-sales-solution-top-20/?spm=a2c4e.11153940.blogcont603256.10.333b1d6fYOsiOK

4.? Boston Housing 數(shù)據(jù)集(波士頓房屋)

這是另一個模式識別領(lǐng)域較為常見的數(shù)據(jù)集，來自于波士頓的房地產(chǎn)業(yè)，是一個回歸問題，數(shù)據(jù)集有506行14列個數(shù)據(jù)。這個數(shù)據(jù)集并不大，你可以嘗試使用任何技術(shù)，而不用擔心筆記本的內(nèi)存不夠。

問題：預測業(yè)主擁有房屋數(shù)量的中間值。

資源：

數(shù)據(jù)集：https://www.cs./~delve/data/boston/bostonDetail.html?spm=a2c4e.11153940.blogcont603256.11.333b1d6fYOsiOK

教程：https://www./blog/2015/11/started-machine-learning-ms-excel-xl-miner/?spm=a2c4e.11153940.blogcont603256.12.333b1d6fYOsiOK

5. Time Series Analysis數(shù)據(jù)集(時間序列分析)

時間序列是數(shù)據(jù)科學中最常用的技術(shù)之一，具有廣泛的應(yīng)用：預測天氣預報、預測銷售額、分析逐年趨勢等。該數(shù)據(jù)集特定于時間序列，這里面臨的挑戰(zhàn)是預測交通方式。

問題：預測新的交通工具的交通。

資源：

數(shù)據(jù)集: https://datahack./contest/practice-problem-time-series-2/?spm=a2c4e.11153940.blogcont603256.13.333b1d6fYOsiOK

教程:https://trainings./courses/course-v1:AnalyticsVidhya+TS_101+TS_term1/about?spm=a2c4e.11153940.blogcont603256.14.333b1d6fYOsiOK

6. Wine Quality數(shù)據(jù)集(酒質(zhì)量)

這是初學者最常用的數(shù)據(jù)集之一，分成了2個數(shù)據(jù)集。在這個數(shù)據(jù)集上可以同時執(zhí)行回歸和分類任務(wù)——異常值檢測、特征選擇和不平衡數(shù)據(jù)。該數(shù)據(jù)集有4898行和12列個數(shù)據(jù)。

問題：預測酒的質(zhì)量。

資源：

數(shù)據(jù)集： https://archive.ics./ml/datasets/Wine+Quality?spm=a2c4e.11153940.blogcont603256.15.333b1d6fYOsiOK

教程：https://archive.ics./ml/datasets/Wine+Quality?spm=a2c4e.11153940.blogcont603256.15.333b1d6fYOsiOK

7.? Turkiye Student Evaluation 數(shù)據(jù)集(學生課程評估)

該數(shù)據(jù)集基于學生填寫不同課程的評估表，擁有不同的屬性，包括出勤率、難度、分數(shù)等，是一個無監(jiān)督學習問題。該數(shù)據(jù)集有5820行33列個數(shù)據(jù)。

問題：使用分類和聚類解決問題。

資源：

數(shù)據(jù)集 : https://archive.ics./ml/datasets/Wine+Qualityhttps:/archive.ics./ml/datasets/Turkiye+Student+Evaluation?spm=a2c4e.11153940.blogcont603256.17.333b1d6fYOsiOK

教程: https://sanghosuh./research/LA_EdMining_SanghoSuh.pdf?spm=a2c4e.11153940.blogcont603256.18.333b1d6fYOsiOK&file=LA_EdMining_SanghoSuh.pdf

8.Heights and Weights 數(shù)據(jù)集(身高體重預測)

這是一個相當直接的回歸問題，非常適合新手。該數(shù)據(jù)集有25,000行3列(索引、高度和權(quán)重)個數(shù)據(jù)。

問題：預測一個人的身高或體重。

資源：

數(shù)據(jù)集：http://wiki.stat./socr/index.php/SOCR_Data_Dinov_020108_HeightsWeights?spm=a2c4e.11153940.blogcont603256.19.333b1d6fYOsiOK

教程：https://www3./~steve/computing_with_data/2_Motivation/motivate_ht_wt.html?spm=a2c4e.11153940.blogcont603256.20.333b1d6fYOsiOK

1. Black Friday數(shù)據(jù)集(黑色星期五)

這是一個包含零售商店記錄的銷售交易的經(jīng)典數(shù)據(jù)集，可以擴展特征工程的技能，并從每天的購物經(jīng)驗中對其進行理解，是一個回歸問題。該數(shù)據(jù)集有550,069行12列個數(shù)據(jù)。

問題：預測購買力。

教程：

數(shù)據(jù)集：https://datahack./contest/black-friday/?spm=a2c4e.11153940.blogcont603256.21.333b1d6fYOsiOK

教程：https://discuss./t/black-friday-data-hack-reveal-your-approach/5986?spm=a2c4e.11153940.blogcont603256.22.333b1d6fYOsiOK

2. Human Activity Recognition 數(shù)據(jù)集(人類活動識別)

該數(shù)據(jù)集通過帶有嵌入式慣性傳感器的智能手收集了30個實驗者的記錄，可用于分類問題。數(shù)據(jù)集有10,299行561列個數(shù)據(jù)。

問題：預測人類活動的類別。

資源：

數(shù)據(jù)集：http://archive.ics./ml/datasets/Human+Activity+Recognition+Using+Smartphones?spm=a2c4e.11153940.blogcont603256.23.333b1d6fYOsiOK

教程： https://rstudio-pubs-static.s3./291850_859937539fb14c37b0a311db344a6016.html?spm=a2c4e.11153940.blogcont603256.24.333b1d6fYOsiOK

3. Text Mining數(shù)據(jù)集(文本挖掘)

該數(shù)據(jù)集最初來自于2007年Siam文本挖掘競賽，包括描述某些發(fā)生故障的航班的航空安全報告，是一個多分類和高維度問題。該數(shù)據(jù)集有21,519行30,438列個數(shù)據(jù)。

問題：根據(jù)文本標簽對文本進行分類。

資源：

數(shù)據(jù)集：https://yq.aliyun.com/articles/603256?spm=a2c4e.11153959.0.0.112a2dc6bqmpJ9#siam-competition2007

教程：https://wtlab./images/e-library/text_mining/Survey%20of%20Text%20Mining%202%20.pdf?spm=a2c4e.11153940.blogcont603256.26.333b1d6fYOsiOK&file=Survey%20of%20Text%20Mining%202%20.pdf

4. Trip History數(shù)據(jù)集(旅行歷史)

此數(shù)據(jù)集來自美國的共享自行車服務(wù)。該數(shù)據(jù)集需要使用專業(yè)的數(shù)據(jù)處理技術(shù)，該數(shù)據(jù)集種的數(shù)據(jù)是從2010年第四季度開始按季度記錄的。每個文件有7列是一個分類問題。

問題：預測用戶的類別。

資源：

數(shù)據(jù)集：https://www./trip-history-data?spm=a2c4e.11153940.blogcont603256.27.333b1d6fYOsiOK

教程：https://www./blog/2015/06/solution-kaggle-competition-bike-sharing-demand/?spm=a2c4e.11153940.blogcont603256.28.333b1d6fYOsiOK

5. Million Song數(shù)據(jù)集(預測歌曲發(fā)行時間)

你知道數(shù)據(jù)科學現(xiàn)在也用于娛樂行業(yè)嗎?這個數(shù)據(jù)集提出了一個回歸任務(wù)，由515,345個觀察值和90個變量組成。但是，這僅僅是原始數(shù)據(jù)庫(約一百萬首歌曲)中的一小部分。

問題：預測歌曲的發(fā)行時間。

資源：

數(shù)據(jù)集 ：http://archive.ics./ml/datasets/YearPredictionMSD?spm=a2c4e.11153940.blogcont603256.29.333b1d6fYOsiOK

教程：http://www-personal./~yjli/content/projectreport.pdf?spm=a2c4e.11153940.blogcont603256.30.333b1d6fYOsiOK&file=projectreport.pdf

6.Census Income數(shù)據(jù)集(預測人口收入)

這是一個經(jīng)典的不平衡分類機器學習問題?，F(xiàn)在，機器學習廣泛應(yīng)用于正被廣泛用于解決不平衡問題，如癌癥檢測、欺詐檢測等。該數(shù)據(jù)集有48,842行14列個數(shù)據(jù)。

問題：預測美國人的收入水平。

資源：數(shù)據(jù)集：http://archive.ics./ml/machine-learning-databases/census-income-mld/?spm=a2c4e.11153940.blogcont603256.31.333b1d6fYOsiOK

教程：https://cseweb./~jmcauley/cse190/reports/sp15/048.pdf?spm=a2c4e.11153940.blogcont603256.32.333b1d6fYOsiOK&file=048.pdf

7. Movie Lens數(shù)據(jù)集(電影推薦系統(tǒng))

用于構(gòu)建推薦系統(tǒng)，該數(shù)據(jù)集是數(shù)據(jù)科學行業(yè)中最受歡迎的“數(shù)據(jù)集”之一，有不同大小的數(shù)據(jù)集。這里有一個較小的數(shù)據(jù)集，包含4,000部電影，6000個用戶的100萬個收視率。

問題：為用戶推薦電影。

資源：

數(shù)據(jù)集：http:///datasets/movielens/1m/?spm=a2c4e.11153940.blogcont603256.33.333b1d6fYOsiOK

教程：https://www./blog/2016/06/quick-guide-build-recommendation-engine-python/?spm=a2c4e.11153940.blogcont603256.34.333b1d6fYOsiOK

8. Twitter Classification數(shù)據(jù)集(預測推文)

Twitter數(shù)據(jù)已成為情感分析不可分割的一部分。該數(shù)據(jù)集大小為3MB，包含31,962條推文。

問題：預測哪些推文是令人討厭的，哪些不是。

資源：

數(shù)據(jù)集：https://datahack./contest/practice-problem-twitter-sentiment-analysis/?spm=a2c4e.11153940.blogcont603256.35.333b1d6fYOsiOK

教程：https://github.com/abdulfatir/twitter-sentiment-analysis?spm=a2c4e.11153940.blogcont603256.36.333b1d6fYOsiOK

1.識別數(shù)字的數(shù)據(jù)集

用于研究、分析和識別圖像中的元素，這就是使用相機識別面部的技術(shù)，屬于數(shù)字識別問題。該數(shù)據(jù)集有28,000個28*28大小的圖像，總計31MB。

問題：從圖像中識別數(shù)字。

資源：

數(shù)據(jù)集：https://datahack./contest/practice-problem-identify-the-digits/?spm=a2c4e.11153940.blogcont603256.37.333b1d6fYOsiOK

教程：https://www./blog/2016/10/an-introduction-to-implementing-neural-networks-using-tensorflow/?spm=a2c4e.11153940.blogcont603256.38.333b1d6fYOsiOK

2.城市聲音分類

該項目旨在介紹常用的音頻分類問題。該數(shù)據(jù)集由10個類別(包含來自8,732個城市聲音的記錄)組成。

問題：對音頻進行分類。

資源：

數(shù)據(jù)集：https://datahack./contest/practice-problem-urban-sound-classification/?spm=a2c4e.11153940.blogcont603256.39.333b1d6fYOsiOK

教程：https://www./blog/2017/08/audio-voice-processing-deep-learning/?spm=a2c4e.11153940.blogcont603256.40.333b1d6fYOsiOK

3. Vox名人數(shù)據(jù)集

音頻處理正迅速成為深度學習的重要領(lǐng)域，因此這是另一個具有挑戰(zhàn)性的問題。此數(shù)據(jù)集收集了大型演講者的演講，并從YouTube中提取的名人的講話。對于語音識別來說，這是一個很有趣的項目。該數(shù)據(jù)集包含1,251位名人發(fā)表的100,000條言論。

問題：找出聲音屬于哪個名人。

資源：

數(shù)據(jù)集：http://www.robots./~vgg/data/voxceleb/?spm=a2c4e.11153940.blogcont603256.41.333b1d6fYOsiOK

教程：https://www.robots./~vgg/publications/2017/Nagrani17/nagrani17.pdf?spm=a2c4e.11153940.blogcont603256.42.333b1d6fYOsiOK&file=nagrani17.pdf

4. ImageNet數(shù)據(jù)集

ImageNet提供了各種各樣的問題，包括對象檢測、定位、分類和屏幕分析。 所有的圖像都是免費的，你可以搜索任何類型的圖像來構(gòu)建項目。截至目前，該數(shù)據(jù)集擁有超過1500萬張圖片，大小超過140GB。

問題：要解決的問題會受下載圖像的類型影響。

資源：

數(shù)據(jù)集：http:///download-imageurls?spm=a2c4e.11153940.blogcont603256.43.333b1d6fYOsiOK

教程：http:///download-imageurls?spm=a2c4e.11153940.blogcont603256.44.333b1d6fYOsiOK

5.芝加哥犯罪數(shù)據(jù)集

現(xiàn)在，每個數(shù)據(jù)科學家都希望能夠處理大型數(shù)據(jù)集，是一個多分類問題。該數(shù)據(jù)集在本地提供了處理大型數(shù)據(jù)集所需的實踐經(jīng)驗。問題很簡單，但數(shù)據(jù)管理是關(guān)鍵!這個數(shù)據(jù)集有6,000,000個觀測值。

問題：預測犯罪類型。

資源：

數(shù)據(jù)集：https://data./Public-Safety/Crimes-2001-to-present/ijzp-q8t2?spm=a2c4e.11153940.blogcont603256.45.333b1d6fYOsiOK

教程：https://yq.aliyun.com/nathanwayneholt.com/mathematicalmodeling/ChicagoCrimesReport.pdfaceholder?spm=a2c4e.11153940.blogcont603256.46.333b1d6fYOsiOK&file=ChicagoCrimesReport.pdfaceholder

6.印度演員年齡檢測

對于任何深度學習愛好者來說，這是一個令人著迷的挑戰(zhàn)。該數(shù)據(jù)集包含數(shù)千個印度演員的圖像，用來預測其年齡。所有圖像都是人工手動從視頻幀中選取的，這就導致了尺度、姿勢、表情、照明、年齡、分辨率、遮擋和化妝等的高度可變性。訓練集中有19,906幅圖像，測試集中有6,636幅圖像。

問題：預測演員的年齡。

資源：

數(shù)據(jù)集：http:///download-imageurls?spm=a2c4e.11153940.blogcont603256.47.333b1d6fYOsiOK

教程：https://www./blog/2017/06/hands-on-with-deep-learning-solution-for-age-detection-practice-problem/?spm=a2c4e.11153940.blogcont603256.48.333b1d6fYOsiOK

7.推薦引擎數(shù)據(jù)集

這是一項高級推薦系統(tǒng)挑戰(zhàn)賽。在這個項目中，你會得到以前解決的程序和數(shù)據(jù)，以及解決特定問題的時間。作為一名數(shù)據(jù)科學家，你構(gòu)建的模型將協(xié)助在線評委決定向用戶推薦的下一級問題。

問題：根據(jù)用戶的當前狀態(tài)，預測解決問題所需要的時間。

資源：

數(shù)據(jù)庫：https://datahack./contest/practice-problem-recommendation-engine/?spm=a2c4e.11153940.blogcont603256.49.333b1d6fYOsiOK

8.? VisualQA數(shù)據(jù)集

VisualQA是一個包含圖像的開放式問題數(shù)據(jù)集。這些問題需要理解計算機視覺和語言，這些問題有一個自動評估指標。數(shù)據(jù)集包含265,016張圖片，每張圖片3個問題，且每個問題有10個標記好的答案。

問題：使用深度學習回答有關(guān)圖像的開放式問題。

資源：

數(shù)據(jù)集：http://www./?spm=a2c4e.11153940.blogcont603256.50.333b1d6fYOsiOK

教程：https:///abs/1708.02711?spm=a2c4e.11153940.blogcont603256.51.333b1d6fYOsiOK&file=1708.02711

在上面列出的24個數(shù)據(jù)集中，你應(yīng)該首先找到與自身技能相匹配的數(shù)據(jù)集進行實踐和練習。比如說，假如你是一位初學者，請先從初級數(shù)據(jù)集開始實踐，而不是直接從高級數(shù)據(jù)集開始練習。

本文由北郵@愛可可-愛生活 老師推薦，阿里云云棲社區(qū)組織翻譯。