Table of Contents[Hide][Show]
Txhua txoj haujlwm Machine Learning cia siab rau cov ntaub ntawv zoo. Nws yog cov ntaub ntawv loj no uas yuav tso cai rau koj los cob qhia thiab lees paub koj tus qauv ML. Yog li, ib feem loj ntawm kev ua haujlwm hauv ML project yog nrhiav cov ntaub ntawv zoo meej rau koj cov kev xav tau. Txawm li cas los xij, nws tsis yog ib txwm muaj peev xwm nrhiav tau ib qho kev xaiv uas haum rau koj lub hom phiaj, raws li ntau cov ntaub ntawv uas zoo li nthuav, thaum kawg, tsis yog.
Nws tuaj yeem cuam tshuam rau nkim sijhawm rub tawm cov ntaub ntawv suav tsis txheeb txog thaum koj tuaj txog ntawm qhov zoo tagnrho. Nrog rau qhov ntawd, peb tau sau qee qhov kev xaiv uas zoo li nthuav thiab tuaj yeem pab koj tsim koj qhov project ML. Nco ntsoov tias qee qhov yog npaj rau tus kheej es tsis txhob siv kev lag luam, yog li saib cov kev xaiv no ua ib txoj hauv kev kom tau txais kev paub hauv ML ntug.
Basics ntawm Datasets
Ua ntej peb hais cov ntaub ntawv, peb yuav tsum txhais qee cov ntsiab lus. Hauv Artificial Intelligence tej yaam num, tshwj xeeb tshuab Kawm, yuav tsum muaj ntau cov ntaub ntawv, uas yuav siv los cob qhia algorithm. Tus nqi ntawm cov ntaub ntawv no yog sau rau hauv ib lub database, uas yog heev pab tau los qhia ib tug algorithm.
Nrog rau cov ntaub ntawv no, lub algorithm raug cob qhia - kuj sim - thiab dhau los nrhiav cov qauv, tsim kev sib raug zoo thiab yog li txiav txim siab autonomously. Tsis muaj kev cob qhia, tshuab Kawm algorithms tsis tuaj yeem ua ib qho kev txiav txim. Yog li ntawd, qhov zoo ntawm cov ntaub ntawv kev cob qhia, qhov zoo ntawm tus qauv yuav ua tau. Rau cov ntaub ntawv kom muaj txiaj ntsig zoo rau qhov project, nws tsis yog hais txog ntau: nws kuj yog hais txog kev faib tawm.
Qhov zoo tshaj plaws, cov ntaub ntawv yuav tsum tau sau npe zoo. Xav txog cov ntaub ntawv ntawm chatbots: kev hais lus yog qhov tseem ceeb, tab sis ceev faj kev soj ntsuam syntactic yuav tsum tau ua kom cov algorithm tsim tuaj yeem nkag siab thaum tus interlocutor siv slang. Tsuas yog tom qab ntawd tus pab cuam virtual tuaj yeem tso tawm cov lus teb raws li qhov tau thov los ntawm tus neeg siv.
Cov ntaub ntawv tuaj yeem tsim los ntawm kev tshawb fawb, cov neeg siv khoom yuav cov ntaub ntawv, kev ntsuam xyuas sab laug ntawm cov kev pabcuam, thiab ntau lwm txoj hauv kev uas tso cai rau khaws cov ntaub ntawv tseem ceeb hauv kab thiab kab hauv CSV cov ntaub ntawv.
Ua ntej koj teem tawm hauv kev tshawb nrhiav cov ntaub ntawv zoo meej, nws yog ib qho tseem ceeb uas koj paub lub hom phiaj ntawm koj qhov project, tshwj xeeb tshaj yog tias nws yog los ntawm ib qho chaw tshwj xeeb, xws li huab cua, nyiaj txiag, kev noj qab haus huv, thiab lwm yam. cov ntaub ntawv.
Cov ntaub ntawv rau ML
Kev cob qhia Chatbot
Ib qho kev sib tham zoo yuav tsum muaj cov ntaub ntawv qhia ntau heev kom daws tau cov neeg siv cov lus nug sai sai yam tsis muaj kev cuam tshuam tib neeg. Txawm li cas los xij, lub hauv paus tseem ceeb hauv kev txhim kho chatbot tau txais qhov tseeb, cov ntaub ntawv hais txog kev ua haujlwm los cob qhia cov tshuab Kev Kawm-raws li tshuab.
Cov ntaub ntawv sib tham sib sau cov ntaub ntawv hauv cov lus nug thiab lus teb. Nws yog qhov zoo tagnrho rau kev cob qhia chatbots uas yuav muab cov lus teb rau cov neeg tuaj saib. Yog tsis muaj cov ntaub ntawv no, chatbot yuav ua tsis tau sai sai los daws cov lus nug ntawm cov neeg siv lossis teb cov lus nug ntawm cov neeg siv yam tsis tas yuav muaj kev cuam tshuam rau tib neeg.
Siv cov ntaub ntawv no, cov lag luam tuaj yeem tsim cov cuab yeej uas muab cov lus teb ceev rau cov neeg siv khoom 24/7 thiab pheej yig dua li muaj pab pawg neeg ua haujlwm txhawb nqa.
1. Question-Answer Dataset
Cov ntaub ntawv no muab cov kab lus Wikipedia, cov lus nug thiab lawv cov lus teb uas tau tsim los ntawm tus kheej. Nws yog cov ntaub ntawv sau los ntawm 2008 thiab 2010 rau siv hauv kev tshawb nrhiav kev kawm.
2. Cov ntaub ntawv lus
Cov ntaub ntawv lus yog cov ntaub ntawv tswj hwm los ntawm Yahoo nrog cov ntaub ntawv tsim tawm los ntawm qee lub tuam txhab cov kev pabcuam, xws li Yahoo! Teb, uas ua haujlwm ua ib lub zej zog qhib rau cov neeg siv los tshaj tawm cov lus nug thiab lus teb.
3. WikiQA
Lub WikiQA corpus kuj muaj cov lus nug thiab lus teb. Lub hauv paus ntawm cov lus nug yog Bing, thaum cov lus teb txuas mus rau nplooj ntawv Wikipedia nrog lub peev xwm los daws cov lus nug thawj zaug.
Nyob rau hauv tag nrho, muaj ntau tshaj 3,000 cov lus nug thiab ib tug txheej ntawm 29,258 kab lus nyob rau hauv lub dataset, uas muaj txog 1,400 tau categorized raws li cov lus teb rau cov lus nug sib xws.
Tsoom fwv cov ntaub ntawv
Cov ntaub ntawv tsim los ntawm tsoomfwv coj cov ntaub ntawv pej xeem, uas yog cov tswv yim zoo rau cov haujlwm ntsig txog kev nkag siab txog kev sib raug zoo, tsim cov cai rau pej xeem, thiab txhim kho zej zog. Qhov no tuaj yeem pab tau rau cov phiaj xwm kev nom kev tswv, kev tshaj tawm phiaj xwm, lossis kev tshuaj xyuas kev lag luam.
Cov ntaub ntawv no feem ntau muaj cov ntaub ntawv tsis qhia npe, yog li thaum cov qauv tuaj yeem nkag mus rau cov ntaub ntawv nyoos, tsis muaj kev ua txhaum ntawm tus kheej ntiag tug.
4. Data.gov
Tshaj tawm xyoo 2009, Data.gov yog North American qhov chaw rau cov ntaub ntawv. Nws cov catalog yog qhov zoo siab: ntau dua 218,000 cov ntaub ntawv uas tso cai rau segmentation los ntawm hom, cim npe, hom, thiab cov ncauj lus.
5. EU Qhib Cov Ntaub Ntawv Portal
EU Qhib Cov Ntaub Ntawv Portal muab kev nkag mus rau qhib cov ntaub ntawv sib koom los ntawm cov koom haum ntawm European Union. Cov no yog cov ntaub ntawv uas tuaj yeem npaj rau kev lag luam thiab tsis siv lag luam. Ntawm cov neeg siv pov tseg yog ntau tshaj 15.5 txhiab cov ntaub ntawv, suav nrog cov ncauj lus xws li kev noj qab haus huv, lub zog, ib puag ncig, kab lis kev cai, thiab kev kawm.
Cov ntaub ntawv kev noj qab haus huv
Raws li qhov teeb meem kev noj qab haus huv tsis tu ncua thoob ntiaj teb, cov ntaub ntawv tsim los ntawm cov koom haum noj qab haus huv yog qhov tseem ceeb los tsim cov kev daws teeb meem zoo los cawm tib neeg txoj sia. Cov ntaub ntawv no tuaj yeem pab txheeb xyuas qhov muaj feem cuam tshuam, ua haujlwm tawm cov qauv kev sib kis, thiab ua kom kuaj tau sai.
Cov ntaub ntawv no suav nrog cov ntaub ntawv kho mob, cov pej xeem ntawm cov neeg mob, kev kis kab mob, kev siv tshuaj, kev noj zaub mov zoo, thiab ntau ntxiv.
6. Ntiaj teb no Health Observatory
Cov ntaub ntawv no yog qhov pib ntawm World Health Organization (WHO). Nws muab cov ntaub ntawv pej xeem cuam tshuam txog kev noj qab haus huv sib txawv, tsim los ntawm cov ntsiab lus xws li kab ke kev noj qab haus huv, kev tswj hwm kev haus luam yeeb, kev yug menyuam, HIV / AIDS, thiab lwm yam. Tseem muaj kev xaiv los tham txog cov ntaub ntawv ntawm COVID-19.
7. KEV-19
CORD-19 yog cov ntaub ntawv qhia txog kev kawm txog COVID-19 thiab lwm cov lus hais txog tus kabmob tshiab. Nws yog qhov qhib cov ntaub ntawv npaj los tsim cov kev nkag siab tshiab ntawm COVID-19.
Cov ntaub ntawv nyiaj txiag
Cov ntaub ntawv hais txog nyiaj txiag ib puag ncig feem ntau sau cov ntaub ntawv loj heev, vim nws yog ib qho uas lawv tau sau rau ntev. Lawv yog qhov zoo tagnrho rau kev tsim kev kwv yees nyiaj txiag lossis tsim kev nqis peev.
Nrog cov ntaub ntawv nyiaj txiag zoo, a Machine Learning qauv tej zaum yuav muaj peev xwm kwv yees tus cwj pwm ntawm ib qho cuab tam muab. Yog vim li cas cov nyiaj txiag sector ua txhua yam nyob rau hauv nws lub hwj chim los tsim ib tug zoo ML qauv, raws li txhua yam uas muaj peev xwm twv tau txawm tias tsim nyog muaj peev xwm tsim tau ntau lab daus las. Machine Learning twb tau kwv yees tus cwj pwm ntawm cov pej xeem, uas cuam tshuam rau txoj hauv kev uas cov neeg tsim cai tau ua lawv txoj haujlwm.
8. International Monetary Fund
Cov ntaub ntawv IMF tuav ntau yam kev ntsuas nyiaj txiag thiab nyiaj txiag, cov tswvcuab hauv lub tebchaws, thiab lwm cov ntaub ntawv qiv nyiaj thiab kev pauv pauv.
9. World Bank
Lub Tuam Txhab Nyiaj Txiag Thoob Ntiaj Teb muaj cov ntaub ntawv sib txawv nrog cov ntaub ntawv nyiaj txiag los ntawm ntau lub tebchaws. Muaj ntau dua 17,000 datasets faib los ntawm cov teb chaws.
Kev tshuaj xyuas cov khoom thiab kev pabcuam
Kev soj ntsuam kev xav tau pom nws cov ntawv thov hauv ntau qhov chaw uas tam sim no pab cov lag luam kwv yees thiab kawm los ntawm lawv cov neeg siv khoom lossis cov neeg siv khoom kom raug. Kev soj ntsuam kev xav tau nce ntxiv rau kev saib xyuas kev sib raug zoo, kev tshuaj xyuas hom, lub suab ntawm cov neeg siv khoom (VoC), kev pabcuam cov neeg siv khoom, thiab kev tshawb fawb kev lag luam.
Kev txheeb xyuas kev xav siv NLP (neuro-linguistic programming) cov txheej txheem thiab algorithms uas yog raws li txoj cai, hybrid, lossis cia siab rau Machine Learning cov txheej txheem los kawm cov ntaub ntawv los ntawm cov ntaub ntawv.
Cov ntaub ntawv xav tau hauv kev tshuaj xyuas kev xav yuav tsum tau tshwj xeeb thiab yuav tsum tau muaj ntau. Qhov nyuaj tshaj plaws txog cov txheej txheem kev tshawb fawb kev xav tsis yog nrhiav cov ntaub ntawv ntau; Hloov chaw, nws yog nrhiav cov ntaub ntawv cuam tshuam. Cov ntaub ntawv teev npe no yuav tsum suav nrog ntau thaj chaw ntawm kev soj ntsuam kev xav thiab kev siv rooj plaub.
10. Kev Ntsuam Xyuas Amazon
Cov ntaub ntawv no muaj txog 35 lab Amazon tshuaj xyuas, ncua sijhawm 18 xyoo ntawm cov ntaub ntawv khaws tseg. Nws yog cov ntaub ntawv ntawm cov khoom, cov neeg siv, thiab tshuaj xyuas cov ntsiab lus.
11. Yelp tshuaj xyuas
Yelp tseem muab cov ntaub ntawv raws li cov ntaub ntawv sau los ntawm nws cov kev pabcuam. Muaj ntau dua 8 lab kev tshuaj xyuas, 1 lab lub tswv yim, ntxiv rau yuav luag 1.5 lab tus yam ntxwv ntsig txog kev lag luam, xws li cov sijhawm qhib thiab muaj.
12. IMDB Reviews
Cov ntaub ntawv no muaj cov txheej txheem ntau dua 25 txhiab kev tshuaj xyuas yeeb yaj kiab rau kev cob qhia thiab lwm 25 txhiab rau cov kev xeem raug coj los ntawm IMDB nplooj ntawv, tshwj xeeb hauv kev ntaus yeeb yaj kiab. Nws kuj muab cov ntaub ntawv tsis muaj npe raws li qhov ntxiv.
Cov ntaub ntawv rau thawj kauj ruam hauv ML
13. Wine Quality Dataset
Cov ntaub ntawv no muab cov ntaub ntawv ntsig txog cawv, liab thiab ntsuab, ua nyob rau sab qaum teb Portugal. Lub hom phiaj yog txhawm rau txheeb xyuas cov cawv zoo raws li kev ntsuas physicochemical. Txaus siab rau cov neeg uas xav xyaum tsim kom muaj kev twv ua ntej.
14. Titanic Dataset
Cov ntaub ntawv no coj cov ntaub ntawv los ntawm 887 tus neeg caij tsheb tiag tiag los ntawm Titanic, nrog rau txhua kab lus txhais tau tias lawv muaj sia nyob, lawv hnub nyoog, chav kawm neeg caij tsheb, poj niam txiv neej, thiab cov nqi caij tsheb uas lawv them. Cov ntaub ntawv no yog ib feem ntawm qhov kev sib tw pib los ntawm Kaggle platform, uas nws lub hom phiaj yog los tsim cov qauv uas tuaj yeem kwv yees seb cov neeg caij tsheb twg dim ntawm kev poob ntawm Titanic.
Platforms nrhiav lwm cov ntaub ntawv
Yog tias koj xav mus ntxiv thiab nrhiav koj tus kheej cov ntaub ntawv, txoj hauv kev zoo tshaj plaws yog mus saib los ntawm cov chaw khaws ntaub ntawv nto moo tshaj plaws ntawm tshuab Kawm ntug:
Kag
Kaggle, ib lub koom haum ntawm Google LLC, yog lub zej zog online ntawm cov kws tshawb fawb cov ntaub ntawv thiab cov kws tshaj lij Machine Learning. Kaggle tso cai rau cov neeg siv nrhiav thiab tshaj tawm cov ntaub ntawv, tshawb nrhiav thiab tsim cov qauv hauv web-based data science ib puag ncig; ua haujlwm nrog lwm cov ntaub ntawv tshawb fawb thiab Machine Learning Engineers, thiab koom nrog kev sib tw los daws cov teeb meem kev tshawb fawb txog cov ntaub ntawv.
Kaggle tau pib xyoo 2010 los ntawm kev muab kev sib tw Machine Learning thiab tam sim no kuj muaj rau pej xeem cov ntaub ntawv platform, huab-based workbench rau cov ntaub ntawv tshawb fawb thiab Artificial Intelligence kev kawm.
Dataset Nrhiav
Dataset Search yog lub tshuab tshawb nrhiav los ntawm Google uas pab cov kws tshawb nrhiav nrhiav cov ntaub ntawv online uas muaj pub dawb rau siv. Thoob plaws hauv lub vev xaib, muaj ntau lab cov ntaub ntawv hais txog yuav luag txhua yam uas koj nyiam.
Yog tias koj tab tom nrhiav kev yuav tus menyuam dev, koj tuaj yeem pom cov ntaub ntawv sau cov lus tsis txaus siab ntawm cov menyuam dev los yog kev tshawb fawb ntawm menyuam dev kev paub. Lossis yog tias koj nyiam caij ski, koj tuaj yeem nrhiav cov ntaub ntawv ntawm cov nyiaj tau los ntawm cov chaw caij ski lossis kev raug mob thiab tus lej koom. Dataset Search tau indexed yuav luag 25 lab ntawm cov datasets, muab rau koj ib qho chaw mus nrhiav datasets thiab nrhiav kev txuas mus rau qhov twg cov ntaub ntawv.
UCI Machine Learning Repository
UCI Machine Learning Repository yog ib qho kev sau ntawm cov ntaub ntawv sau tseg, cov tswv yim sau npe, thiab cov ntaub ntawv tsim hluav taws xob uas tau siv los ntawm Machine Learning zej zog rau kev txheeb xyuas qhov tseeb ntawm Machine Learning algorithms. Lub archive tau tsim los ua ftp archive hauv 1987 los ntawm David Aha thiab cov tub ntxhais kawm tiav hauv UC Irvine.
Txij thaum ntawd los, nws tau siv dav los ntawm cov tub ntxhais kawm, cov kws qhia ntawv, thiab cov kws tshawb fawb thoob plaws ntiaj teb los ua qhov tseem ceeb ntawm ML datasets. Raws li qhov qhia txog qhov cuam tshuam ntawm cov ntaub ntawv khaws tseg, nws tau raug suav ntau dua 1000 lub sijhawm, ua rau nws yog ib qho ntawm 100 feem ntau hais txog "cov ntaub ntawv" hauv txhua qhov kev tshawb fawb hauv computer.
Quandl
Quandl yog lub platform uas muab nws cov neeg siv nyiaj txiag, nyiaj txiag, thiab lwm cov ntaub ntawv. Cov neeg siv tuaj yeem rub tawm cov ntaub ntawv pub dawb, yuav cov ntaub ntawv them nyiaj lossis muag cov ntaub ntawv rau Quandl. Nws tuaj yeem yog cov cuab yeej siv tau zoo rau kev txhim kho ntawm trading algorithms, Piv txwv.
xaus
Los ntawm kev tshawb nrhiav cov cuab yeej no, koj paub tseeb tias yuav pom cov tswv yim zoo rau koj cov haujlwm. Nco ntsoov xaiv cov ntaub ntawv uas haum rau koj cov kev xav tau tshwj xeeb thiab nco ntsoov nco ntsoov: nws tsis yog hais txog qhov ntau, tab sis kuj zoo. Cov ntaub ntawv yog lub hauv paus ntawm ib qho twg Machine Learning project thiab nws yog ib qho tseem ceeb los tsim cov ntaub ntawv zoo kom tsis txhob muaj kev pheej hmoo ntawm kev mus txog qhov tsis raug.
Sau ntawv cia Ncua