20 份古怪的机器学习数据集

有人说，机器学习 95% 的问题在于数据。如今开放数据越来越多，几乎在任何领域里都有开源分享的数据集。但是要找到有趣的数据集还是有些难度的，为了深入了解，我广泛搜索了诸多资料，并且把我发现的一些数据集进行的小小的整理并作分享。

想到可能有些人会需要用到，所以这里整理了 20 份出色但又古怪的数据集，你可能在机器学习过程中用得上。

数据集包括（这里只列举一部分）：

• 智能手机记录的人类行为（行走、坐立等）

• 赛马数据

• 垃圾短信数据

• Flickr 图片中隐藏的美女

• 心跳声记录

• 酒品质量

• ...
  

数据集下载（Github）：

https://gist.github.com/olivercameron/482dcfe8f34d66b536b1048eefe8b40d#file-datasets-csv

（包括了数据集名称、描述、数据集大小、下载链接）

需要注意的是，我尚未完整验证过这些数据集是否确实（在数据集大小或者准确度方面）对机器学习训练有用，在玩转这些数据的时候请自行判断（并且注意检查授权许可）。

如果你要问我最喜欢的是哪一个，我想那应该是那份有着 80,000 多个 UFO 报告的数据集。

此外，还有一份包括了 200 年国际威胁冲突的洲际军事纠纷数据集，它包括了具体的措施、战斗的等级、伤亡情况和结局。

选自：Medium

作者：Oliver Cameron

翻译：张佳维