[转载] 机器学习数据集统计系列(二)

金融

美国劳工部统计局官方发布数据

房地产公司 Zillow 公开美国房地产历史数据

沪深股票除权除息、配股增发全量数据，截止 2016.12.31

上证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，1260支股票

深证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，466支股票

深证中小板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，852支股票

深证创业板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，636支股票

上证A股日线数据，1999.12.09至 2016.06.08，前复权，1095支股票

深证A股日线数据，1999.12.09至 2016.06.08，前复权，1766支股票

深证创业板日线数据，1999.12.09 至2016.06.08，前复权，510支股票

MT4平台外汇交易历史数据

Forex平台外汇交易历史数据

几组外汇交易逐笔（Ticks）数据

美国股票新闻数据【Kaggle数据】

美国医疗保险市场数据【Kaggle数据】

美国金融客户投诉数据【Kaggle数据】

Lending Club 网贷违约数据【Kaggle数据】

信用卡欺诈数据【Kaggle数据】

美国股票数据XBRL【Kaggle数据】

纽约股票交易所数据【Kaggle数据】

贷款违约预测竞赛数据【Kaggle竞赛】

Zillow 网站房地产价值预测竞赛数据【Kaggle竞赛】

Sberbank 俄罗斯房地产价值预测竞赛数据【Kaggle竞赛】

Homesite 保险定价竞赛数据【Kaggle竞赛】

Winton 股票回报率预测竞赛数据【Kaggle竞赛】

房屋租赁信息查询次数预测竞赛【Kaggle竞赛】

 

 

交通

2013年纽约出租车行驶数据

2013年芝加哥出租车行驶数据

Udacity自动驾驶数据

纽约Uber 接客数据 【Kaggle数据】

英国车祸数据（2005-2015）【Kaagle数据】

芝加哥汽车超速数据【Kaggle数据】

KITTI 自动驾驶任务数据【数据太大仅有部分】

Cityscapes 场景标注数据【数据太大仅有部分】

德国交通标志识别数据

交通信号识别数据

芝加哥Divvy共享自行车骑行数据（2013年至今）

美国查塔努加市共享单车骑行数据

Capital 共享单车骑行数据

Bay Area 共享单车骑行数据

Nice Ride 共享单车骑行数据

花旗银行共享单车骑行数据

运用卫星数据跟踪亚马逊热带雨林中的人类轨迹竞赛【Kaggle竞赛】

纽约出租车管理委员会官方的乘车数据（2009年-2016年）

 

商业

Airbnb 开放的民宿信息和住客评论数据

Amazon 食品评论数据【Kaggle数据】

Amazon 无锁手机评论数据【Kaggle数据】

美国视频游戏销售和评价数据【Kaggle数据】

Kaggle 各项竞赛情况数据【Kaggle数据】

Bosch 生产流水线降低次品率竞赛数据【Kaggle竞赛】

预测公寓租金竞赛数据

广告点击预测竞赛数据

餐厅营业收入预测建模竞赛

银行产品推荐竞赛数据

网站用户推荐点击预测竞赛数据

在线广告实时竞价数据【Kaggle数据】

购物车商品关联竞赛数据【Kaggle竞赛】

Airbnb 新用户的民宿预定预测竞赛数据【Kaggle竞赛】

Yelp 点评网站公开数据

KKBOX 音乐用户续订预测竞赛【Kaggle竞赛】

Grupo Bimbo 面包店库存和销量预测竞赛【Kaggle竞赛】

 

推荐系统

Netflix 电影评价数据

MovieLens 20m 电影推荐数据集

WikiLens

Jester HetRec2011

Book Crossing Large MovieReview

Retailrocket 商品评论和推荐数据

1万本畅销书的6百万读者评分数据

 

医疗健康

人识别物体时大脑核磁共振影像数据

人理解单词时大脑核磁共振影像数据

心脏病心房图像及标注数据

细胞病理识别

FIRE 视网膜眼底病变图像数据

食物营养成分数据 【Kaggle数据】

EGG 大脑电波形状数据【Kaggle数据】

某人基因序列数据【Kaggle数据】

癌症CT影像数据【Kaggle数据】

软组织肉瘤CT图像数据【Kaggle数据】

美国国家健康与服务部-国家癌症研究所发起的癌症数据仓库介绍【仅有介绍】

Data ScienceBowl 2017 肺癌识别竞赛数据【数据太大仅有介绍】

TCGA-LUAD 肺癌CT图像数据

RIDER Lung CT 肺癌CT影像

TCGA-COAD癌症CT影像数据

TCIA-TCGA-OV 癌症CT影像数据

TCIA RIDER NEURO癌症MRI影像数据

QIN Beast 乳腺癌MRI影像数据

SPIE-AAPM-NCIPROSTATEx竞赛第1部分数据（MRI核磁共振影像识别前列腺癌程度数据） SPIE-AAPM-NCIPROSTATEx竞赛第2部分数据（MRI核磁共振影像识别前列腺癌程度数据）RIDER Breast 乳腺癌 MRI 影像数据

Lung Phantom 癌症 CT 影像数据集

TCIA-QIN-LUNG 肺癌 CT 影像数据集

医疗CT影像、年龄和对比标注数据【Kaggle竞赛】

TCGA-ESCA癌症 CT 影像数据集

TCGA-CESC癌症 CT 影像数据集

TCGA-KICH癌症 CT 影像数据集

从 CT 影像中对肺部影像进行分割并识别肺部容积【Kaggle竞赛】

通过Egg脑电图像预测患者癫痫病发作竞赛【Kaggle竞赛】

遗传突变分类竞赛【Kaggle竞赛】

MIMIC-III 临床监护数据

 

图像数据

综合图像

Visual Genome 图像数据

Visual7w 图像数据

COCO 图像数据

SUFR 图像数据

ILSVRC 2014 训练数据（ImageNet的一部分）

PASCAL Visual Object Classes 2012 图像数据

PASCAL Visual Object Classes 2011 图像数据

PASCAL Visual Object Classes 2010 图像数据

80 Million Tiny Image 图像数据【数据太大仅有介绍】

ImageNet【数据太大仅有介绍】

Google Open Images【数据太大仅有介绍】

Imagenet 小尺寸图像数据集

Yahoo Flickr 照片和视频数据集

 

场景图像

Street Scences 图像数据

Places2 场景图像数据

UCF GoogleStreet View 图像数据

SUN 场景图像数据

The Celebrity inPlaces 图像数据

 

Web标签图像

HARRISON 社交标签图像

NUS-WIDE 标签图像

Visual Synset 标签图像

Animals WithAttributes 标签图像

 

人形轮廓图像

MPII Human Shape人体轮廓数据

Biwi Kinect Head Pose 头部姿势数据

上半身人像数据 INRIA Person 数据集

 

视觉文字识别图像

Street View House Number 门牌号图像数据

MNIST 手写数字识别图像数据

3D MNIST 数字识别图像数据【Kaggle数据】

MediaTeam Document 文档影印和内容数据

Text Recognition 文字图像数据

NIST Handprinted Forms and Characters 手写英文字符数据

NIST Structured Forms Reference Set of Binary Images (SFRS) 图像数据

NIST Structured Forms Reference Set of Binary Images (SFRS) II 图像数据

 

特定一类事物图像

著名的猫图像标注数据

Caltech-UCSDBirds200 鸟类图像数据

Stanford Car 汽车图像数据

Cars 汽车图像数据

MIT Cars 汽车图像数据

Stanford Cars 汽车图像数据

Food-101 美食图像数据

17_Category_Flower 图像数据

102_Category_Flower 图像数据

UCI Folio Leaf 图像数据

Labeled Fishes in the Wild 鱼类图像

美国 Yelp 点评网站酒店照片

CMU-Oxford Sculpture 塑像雕像图像

Oxford-IIIT Pet 宠物图像数据

Nature Conservancy Fisheries Monitoring 过度捕捞监控图像数据【Kaggle数据】

Stanford Dogs Dataset 数据集

辛普森一家卡通形象图像【Kaggle竞赛】

Fashion-MNIST 时尚服饰图像数据

 

 

 

材质纹理图像

CURET 纹理材质图像数据

ETHZ Synthesizability 纹理图像数据

KTH-TIPS 纹理材质图像数据

Describable Textures 纹理图像数据

 

 

 

物体分类图像

COIL-20 图像数据

COIL-100 图像数据

Caltech-101 图像数据

Caltech-256 图像数据

CIFAR-10 图像数据

CIFAR-100 图像数据

STL-10 图像数据

LabelMe_12_50k图像数据

NORB v1.0 图像数据

NEC Toy Animal 图像数据

iCubWorld 图像分类数据

Multi-class 图像分类数据

GRAZ 图像分类数据

 

人脸图像

IMDB-WIKI 500k+ 人脸图像、年龄性别数据

Labeled Faces in the Wild 人脸数据

Extended Yale Face Database B 人脸数据

Bao Face 人脸数据

DC-IGN 论文人脸数据

300 Face in Wild 图像数据

BioID Face 人脸数据

CMU Frontal Face Images

FDDB_Face Detection Data Set and Benchmark

NIST Mugshot Identification Database Faces in the Wild 人脸数据

CelebA 名人人脸图像数据

VGG Face 人脸图像数据

Caltech 10k WebFaces 人脸图像数据

 

 

 

姿势动作图像

HMDB_a large human motion database

Human Actionsand Scenes Dataset

Buffy Stickmen V3 人体轮廓识别图像数据

Human Pose Evaluator 人体轮廓识别图像数据

Buffy pose 人类姿势图像数据

VGG Human Pose Estimation 姿势图像标注数据

 

指纹识别

NIST FIGS 指纹识别数据

NIST Supplemental Fingerprint Card Data (SFCD) 指纹识别数据

NIST Plain and Rolled Images from Paired Fingerprint Cards in 500 pixels per inch 指纹识别数据

NIST Plain and Rolled Images from Paired Fingerprint Cards 1000 pixels per inch 指纹识别数据

 

其它图像数据

Visual Question Answering V1.0 图像数据

Visual Question Answering V2.0 图像数据

 

 

视频数据

综合视频

DAVIS_Densely Annotated Video Segmentation 数据

YouTube-8M 视频数据集【数据太大仅有介绍】

YouTube 网站视频备份【数据太大仅有介绍】

 

人类动作视频

Microsoft Research Action 人类动作视频数据

UCF50 Action Recognition 动作识别数据

UCF101 Action Recognition 动作识别数据

UT-Interaction 人类动作视频数据

UCF iPhone 运动中传感器数据

UCF YouTube 人类动作视频数据

UCF Sport 人类动作视频数据

UCF-ARG 人类动作视频数据

HMDB 人类动作视频

HOLLYWOOD2 人类行为动作视频数据

Recognition of human actions 动作视频数据

Motion Capture 动作捕捉视频数据

SBU Kinect Interaction 肢体动作视频数据

 

目标检测视频

UCSD Pedestrian 行人视频数据

Caltech Pedestrian 行人视频数据

ETH 行人视频数据

INRIA 行人视频数据

TudBrussels 行人视频数据

Daimler 行人视频数据

ALOV++ 物体追踪视频数据

 

密集人群视频

Crowd Counting 高密度人群图像

Crowd Segmentation 高密度人群视频数据

Tracking in High Density Crowds 高密度人群视频

 

其它视频

Fire Detection 视频数据

 

 

 

音频数据

综合音频

Google Audioset 音频数据【数据太大仅有介绍】

 

语音识别

Sinhala TTS 英语语音识别

TIMIT 美式英语语音识别数据

LibriSpeech ASR corpus 语音数据

Room Impulse Response and Noise 语音数据

ALFFA 非洲语音数据

THUYG-20 维吾尔语语音数据

AMI Corpus 语音识别

 

自然语言处理

RCV1英语新闻数据

20news 英语新闻数据

First Quora Release Question Pairs 问答数据

JRC Names各国语言专有实体名称

Multi-Domain Sentiment V2.0

LETOR 信息检索数据

Yale Youtube Vedio Text斯坦福问答数据【Kaggle数据】

美国假新闻数据【Kaggle数据】

NIPS会议文章信息数据（1987-2016）【Kaggle数据】

2016年美国总统选举辩论数据【Kaggle数据】

WikiLinks 跨文档指代语料

European Parliament Proceedings Parallel Corpus 机器翻译数据

WikiText 英语语义词库数据

WMT 2011 News Crawl 机器翻译数据

Stanford Sentiment Treebank 词汇数据

英语语言模型单词预测竞赛数据

WikiAnswers 问题复述数据集

中文经典典籍语料

几个网上采集的自然语言语料中文姓名语料

81万互联网词汇词库

Question-Answer 问答数据集

Wikilinks 跨文档语料扩展版

几个聊天机器人语料

TED 平行语料库

 

社会数据

希拉里邮件门泄露邮件

波士顿Airbnb 公开数据【Kaggle数据】

世界各国经济发展数据【Kaagle数据】

世界大学排名芝加哥犯罪数据（2001-2017）【Kaagle数据】

世界范围显著地震数据（1965-2016）【Kaagle数据】

美国婴儿姓名数据【Kaagle数据】

全世界鲨鱼袭击人类数据【Kaagle数据】

1908年以来空难数据【Kaagle数据】

2016年美国总统大选数据【Kaagle数据】

2013年美国社区统计数据【Kaagle数据】

2014年美国社区统计数据【Kaagle数据】

2015年美国社区统计数据【Kaagle数据】

欧洲足球运动员赛事表现数据【Kaagle数据】

美国环境污染数据【Kaagle数据】

美国H1-B签证申请数据【Kaggle数据】

IMDB五千部电影数据【Kaggle数据】

2015年航班延误和取消数据【Kaggle数据】

凶杀案报告数据【Kaggle数据】

人力资源分析数据【Kaggle数据】

美国费城犯罪数据【Kaggle数据】

安然公司邮件数据【Kaggle数据】

历史棒球数据【Kaggle数据】

美联航 Twitter 用户评论数据【Kaggle数据】

波士顿 Airbnb 公开数据【Kaggle数据】

芝加哥市2001年以来犯罪记录数据

美国查塔努加市犯罪记录数据（2003年至今）

芝加哥街边咖啡厅季节中的人行道咖啡厅许可数据

芝加哥餐馆卫生检查结果数据

几个人类运动位置路线GPS数据集（骑行、跑步等）

希拉里 vs 特朗普竞选期间 Twitter 数据【Kaggle竞赛】

美国连环凶案数据（1980-2014）【Kaggle竞赛】

广告实时竞价数据【Kaggle竞赛】

美国费城犯罪记录数据【Kaggle竞赛】

Reddit 用户交互记录【Kaggle竞赛】

泰坦尼克灾难数据【Kaggle竞赛】

Wikipedia 页面点击流量数据【Kaggle竞赛】

纽约市出租车乘车时间预测竞赛数据【Kaggle竞赛】

新闻和网页内容推荐及点击竞赛【Kaggle竞赛】

科比布莱恩特投篮命中率数据【Kaggle竞赛】

几个城市气象交换站日间天气数据

Reddit 2.5 百万社交新闻数据

Google的机群访问数据

MIT Saliency 眼睛浏览轨迹数据集

根据安检人体扫描成像预测威胁竞赛【Kaggle竞赛】

 

 

处理后的科研和竞赛数据

NIPS 2003 属性选择竞赛数据

台湾大学林智仁教授处理为 LibSVM 格式的分类建模数据

Large-scale 分类建模数据

几个UCI 中 large-scale 分类建模数据

Social Computing Data Repository 社交网络数据

猫和狗分类识别竞赛数据【Kaggle竞赛】

DSTL 卫星图像识别竞赛数据【Kaggle竞赛】

根据手机应用软件使用行为预测用户性别年龄竞赛数据【Kaggle竞赛】

人脸关键点标定竞赛数据【Kaggle竞赛】

Kaggle竞赛数据合辑（部分竞赛数据）

UCI多分类组合出的二分类数据集

UCI经典二分类数据集

场景图像分类竞赛数据【ChallengerAI 竞赛】

人体骨骼关键点检测竞赛数据【ChallengerAI 竞赛】

图像中文表述竞赛数据【ChallengerAI 竞赛】

英文同声传译竞赛数据【ChallengerAI 竞赛】

中英文本翻译竞赛数据【ChallengerAI 竞赛】

虚拟股票趋势预测【ChallengerAI 竞赛数据】

机器视觉推理实验数据

BigMM 2015 竞赛验证数据集

KONECT 网络图结构和网络科学数据合辑