来源：机器学习算法与Python实战

本文多干货，建议收藏

本文为你汇总机器学习相关数据集。

大学公开数据集

(Stanford)69G大规模无人机(校园)图像数据集【Stanford】

人脸素描数据集【CUHK】

自然语言推理(文本蕴含标记)数据集【NYU】

Berkeley图像分割数据集BSDS500【Berkeley】

宠物图片(分割)数据集【Oxford】

发布ADE20K场景感知/解析/分割/多目标识别数据集【MIT】

多模态二元行为数据集【GaTech】

计算机视觉／图像／视频数据集

Fashion-MNIST风格服饰图像数据集【肖涵】

大型(50万)LOGO标志数据集

4D扫描(60fps移动非刚性物体3D扫描)数据集【D-FAUST】

基于MNIST的视觉计数合成数据集Counting MNIST

YouTube MV视频数据集【Keunwoo Choi】

计算机视觉合成数据集/工具大列表【unrealcv】

动物属性标记数据集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】

日本漫画数据集Manga109

俯拍舞蹈视频数据集

Pixiv(着色)图片数据集【Jerry Li】

e-VDS视频数据集

Quick, Draw!简笔画涂鸦数据集

简笔画涂鸦数据集【hardmaru】

服饰人像生成模型(&Chictopia10K[HumanParsing]时尚人像解析数据集)【Christoph Lassner／Gerard Pons-Moll／Peter V. Gehler】

COCO像素级标注数据集

大规模街道级图片(分割)数据集【Peter Kontschieder】

大规模日语图片描述数据集

Cityscapes街景语义分割数据集（50城30类5k细标20k粗标图片及标记视频）

(街头)时尚服饰数据集(2000+标注图片)

PyTorch实现的VOC2012数据集Pixel-wise目标分割【BodoKaiser】

Twenty Billion Neurons对象复杂运动与交互视频数据集【Nikita Johnson】

文本／评价／问答／自然语言数据集

(20万)英文笑话数据集【TaivoPungas】

机器学习保险行业问答开放数据集【HainWang】

保险行业问答(QA)数据集【Minwei Feng】

Stanford NLP发布新的多轮、跨域、任务导向对话数据集【Mihail Eric】

实体/名词语义关系标记数据集【David S. Batista】

NLVR：自然语言基础数据集(对象分组、数量、比较及空间关系推理)

2.8万文章/10万问题大规模(英语考试)阅读理解数据集

错误拼写数据集

文本简化数据集

英语词/句/语义框架框架标注数据集FrameNet

(又一个)自然语言处理(NLP)数据集列表【Nicolas Iderhoff】

跨语种/多样式/多粒度文本相似性检测数据集

Quora数据集：400000行潜在重复问题

文本分类数据集

Frames：Maluuba对话数据集

跨域(Amazon商品评论)情感数据集

语义网机器学习系统评价/基准数据集集合

其它数据集

数据科学/机器学习数据集汇总

CORe50：连续目标识别数据集【VincenzoLomonaco&DavideMaltoni】

(Matlab)数据集统计分布自动发现【Isabel Valera】

(建筑物)损害评估数据集【tsunami】

IndieWeb社交图谱数据集【IndieWeb】

DeepMind开源环境/数据集/代码集合【DeepMind】

鸟叫声数据集【xeno-canto】

Wolfram数据集仓库

大型音乐分析数据集FMA

(300万)Instacart在线杂货购物数据集【Jeremy Stanley】

用于欺诈检测的合成财务数据集【TESTIMON】

NSynth：大规模高质量音符标记音频数据集

LIBSVM格式分类/回归/多标签/字符串数据集

笔记本电脑用logistic回归拟合100G数据集【DmitriySelivanov】

StackExchange近似/重复问题数据集

2010-2017最全KDD CUP赛题回顾及数据集

食谱数据集：带有评级、营养及类别信息的超过2万种食谱【HugoDarwood】

奥斯卡数据集【Academy of Motion Picture Arts and Sciences】

计算医疗库：(TensorFlow)大型医疗数据集分析与机器学习建模【AkshayBhat】

聚类数据集

官方开放气候数据集

全球恐怖袭击事件数据集【START Consortium】

七个机器学习时序数据集

大型众包关系数据库自然语言查询语义解析数据集(8万+查询样本)

赛马赔率数据集

新的YELP数据集：包含470万评论和15.6万商家

JMIR数据集专刊《JMIR Data》

日文木版印刷文字识别数据集

多模态二元行为数据集

机器学习论文/数据集/工具集锦(日文)

机器学习公司的十大数据搜集策略

NLP数据集加载工具集

日语相似词数据集

大规模人本完形填空(多选阅读理解)数据集

高质量免费数据集列表

《数据之美》自然语言数据集/代码

微软数据集MS MARCO，阅读理解领域的「ImageNet」

AI2科学问答数据集(多选)

常用图像数据集大全

（分类，跟踪，分割，检测等）

搜狗实验室数据集：

互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别，总数高达2,836,535张图片。对于每张图片，数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。200多G。

IMAGECLEF致力于为图片相关领域提供一个基准（检索、分类、标注等等） Cross Language Evaluation Forum (CLEF) 。从2003年开始每年举行一次比赛。

编辑：黄继彦

—完—

关注清华-青岛数据科学研究院官方微信公众平台“ THU数据派 ”及姊妹号“ 数据派THU ”获取更多讲座福利及优质内容。