外国自媒体mlmemoirs根据github、福布斯、CMU官网等资讯，整理了一张50个最佳机器学习公共资料集的榜单，现分享给大家~
提前说两个须知：
根据CMU的说法，寻找一个好用的资料集需要注意一下几点：
Kaggle：爱竞赛的盆友们应该很熟悉了，Kaggle上有各种有趣的资料集，拉面评级、篮球资料、甚至西雅图的宠物许可证。
UCI机器学习库：最古老的资料集源之一，是寻找有趣资料集的第一站。虽然资料集是使用者贡献的，因此具有不同的清洁度，但绝大多数都是干净的，可以直接从UCI机器学习库下载，无需注册。
VisualData：分好类的计算机视觉资料集，可以搜寻~
好了，下面就是那50个数据集了，由于后期加上了一些补充，所以总数已经超过了50。
Labelme：带注释的大型影象资料集。
ImageNet：大家熟悉的ImageNet，女神李飞飞参与建立，同名比赛影响整个计算机视觉界。
多域情绪分析资料集：一个稍老一点的资料集，用到了来自亚马逊的产品评论。
http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
IMDB评论：用于二元情绪分类的资料集，不过也有点老、有点小，有大约25000个电影评论。
http://ai.stanford.edu/~amaas/data/sentiment/
斯坦福情绪树库：带有情感注释的标准情绪资料集。
Sentiment140：一个流行的资料集，它使用160,000条预先删除表情符号的推文。
Twitter美国航空公司情绪：2015年2月美国航空公司的Twitter资料，分类为正面，负面和中性推文。
HotspotQA资料集：具有自然、多跳问题的问答资料集，具有支援事实的强大监督，以实现更易于解释的问答系统。
安然资料集：来自安然高阶管理层的电子邮件资料。
https://www.cs.cmu.edu/~./enron/
亚马逊评论：包含18年来亚马逊上的大约3500万条评论，资料包括产品和使用者资讯，评级和文字稽核。
Google Books Ngrams：Google Books中的一系列文字。
Blogger Corpus：收集了来自的681,288篇博文，每篇博文至少包含200个常用英语单词。
http://u.cs.biu.ac.il/~koppel/BlogCorpus.htm
维基百科连结资料：维基百科的全文，包含来自400多万篇文章的近19亿个单词，可以按段落、短语或段落本身的一部分进行搜寻。
Gutenberg电子书列表：Gutenberg专案中带注释的电子书书单。
Hansards加拿大议会文字：来自第36届加拿大议会记录的130万组文字。
Jeopardy：来自问答节目Jeopardy的超过200,000个问题的归档。
英文垃圾简讯收集：由5574条英文垃圾简讯组成的资料集。
http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/
Yelp评论：Yelp，就是美国的“大众点评”，这是他们释出的一个开放资料集，包含超过500万条评论。
UCI的Spambase：一个大型垃圾邮件资料集，对垃圾邮件过滤非常有用。
Berkeley DeepDrive BDD100k：目前最大的自动驾驶资料集，包含超过100,000个视讯，其中包括一天中不同时段和天气条件下超过1,100小时的驾驶体验。其中带注释的影象来自纽约和旧金山地区。
百度Apolloscapes：度娘的大型资料集，定义了26种不同物体，如汽车、自行车、行人、建筑物、路灯等。
Comma.ai：超过7小时的高速公路驾驶，细节包括汽车的速度、加速度、转向角和GPS座标。
牛津的机器人汽车：这个资料集来自牛津的机器人汽车，它于一年时间内在英国牛津的同一条路上，反反复复跑了超过100次，捕捉了天气、交通和行人的不同组合，以及建筑和道路工程等长期变化。
城市景观资料集：一个大型资料集，记录50个不同城市的城市街景。
CSSAD资料集：此资料集对于自动驾驶车辆的感知和导航非常有用。不过，资料集严重偏向发达国家的道路。
KUL比利时交通标志资料集：来自比利时法兰德斯地区数以千计的实体交通标志的超过10000条注释。
http://www.vision.ee.ethz.ch/~timofter/traffic_signs/
MIT AGE Lab：在AgeLab收集的1,000多小时多感测器驾驶资料集的样本。
LISA：UC圣迭戈智慧和安全汽车实验室的资料集，包括交通标志、车辆检测、交通讯号灯和轨迹模式。
博世小交通灯资料集：用于深度学习的小型交通灯的资料集。
LaRa交通灯识别：巴黎的交通讯号灯资料集。
WPI资料集：交通灯、行人和车道检测的资料集。
MIMIC-III：MIT计算生理学实验室的公开资料集，标记了约40000名重症监护患者的健康资料，包括人口统计学、生命体征、实验室测试、药物等维度。
除了机器学习专用的资料集，还有一些其他的一般资料集，可能很有趣~
：该网站可以从多个美国政府机构下载资料，包括各种奇怪的资料，从政府预算到考试分数都有。不过，其中大部分资料需要进一步研究。
食物环境地图集：本地食材如何影响美国饮食的资料。
学校财务系统：美国学校财务系统的调查。
慢性病资料：美国各地区慢性病指标资料。
美国国家教育统计中心：教育机构和教育人口统计资料，不仅有美国的资料，也有一些世界上其他地方的资料。
英国资料服务：英国最大的社会、经济和人口资料集。
资料美国：全面视觉化的美国公共资料。
量子位补充一句，我国国家统计局其实也不错。
Quandl：经济和金融资料的良好来源，有助于建立预测经济指标或股票价格的模型。
世界银行开放资料：全球人口统计资料，还有大量经济和发展指标的资料集。
国际货币基金组织资料：国际货币基金组织公布的有关国际金融，债务利率，外汇储备，商品价格和投资的资料。
金融时报市场资料：来自世界各地的金融市场的最新资讯，包括股票价格指数，商品和外汇。
Google Trends：世界各地的互联网搜寻行为和热门新闻报道的资料。
http://www.google.com/trends?q=google&ctab=0&geo=all&date=all&sort=0
美国经济协会：美国宏观经济资料。
mlmemoirs：50个最佳机器学习公共资料集
子曰：世界上有三个互联网，美国互联网、中国互联网和欧洲互联网。
故其中有一些连结，需要先探究科学上网方式，再开启。
暂时手头没有工具怎么办？先收藏呀！
今日学习推荐：
为了让小伙伴们更好的学习，我们为你准备了机器学习、无人驾驶实战、spark大资料实战班Linux从零入门实战相关方面知识，详情点选下方学习~
