机器学习基础-13: ML经典数据集

最新推荐文章于 2025-06-14 19:11:33 发布
原创 最新推荐文章于 2025-06-14 19:11:33 发布 · 1.6k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #视频数据集 #音频数据集 #图像数据集 #综合数据集

本文汇总了机器学习领域的经典数据集，涵盖图像、视频、音频及综合数据集，包括ImageNet、Tiny、Flickr等知名图像数据集，以及AudioSet、TED-LIUM等音频数据集，是学习和研究机器学习不可或缺的资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

ML经典数据集

机器学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！

1 图像数据集

2 视频数据集

CDVL(TheConsumer Digital Video Library) 消费者数字视频库对外提供高质量的源视频序列，可供研究和开发免费使用。CDVL还托管了几个视频质量数据集，包括五个VQEG HD Phase I数据集，BVI-HD，CCRIQ，its4s和T1A1。

LIVE database 出自德克萨斯大学的图像&视频工程实验室。该实验室的视觉科学家和视频工程师对图片和视频质量进行大规模主观和客观研究，对相关数据库做了严格的视觉检测/筛选。该数据库包含15+细分的自数据库。该数据库还包含若干视频质量评估的背景知识。

IVC数据库包含图像质量评价和视频质量评价数据库。IVC数据库由法国南特大学(Université de Nantes)的南特通信与网络研究所主持构建和维护。南特通信与网络研究所在图像&视频质量评价、离散信息表示、人类世界感知、机器学习和模式识别、网络和系统等方面具有深刻而广泛的研究。

3 音频数据集

谷歌发布的大规模一品数据集，AudioSet 包括 632 个音频事件类的扩展类目和从YouTube视频绘制的 2084320 个人类标记的10秒声音剪辑的集合。类目被指定为事件类别的分层图，覆盖广泛的人类和动物声音，乐器和风格以及常见的日常环境声音。

2000 HUB5 English Evaluation Transcripts由NIST（国家标准与技术研究院）2000年发起的HUB5评估中使用的40个英语电话对话的成绩单组成，其仅包含英语的语音数据集，百度最近的论文《深度语音：扩展端对端语音识别》使用的是这个数据集。

TED-LIUM是TED Talk的音频数据集，包含1495个录音和音频会议、159848条发音词典和部分WMT12公开的语料库。

4 综合数据集

系列文章

参考文献

  • [1] 周志华. 机器学习. 清华大学出版社. 2016.
  • [2] [日]杉山将. 图解机器学习. 人民邮电出版社. 2015.
  • [3] 佩德罗·多明戈斯. 终极算法-机器学习和人工智能如何重塑世界. 中信出版社. 2018.
机器学习基础Boston House Price数据集
09-09
波士顿房价数据集，整合好的，网站上原文档出现乱码，这个不会乱码
机器学习之数据集
逐梦苍穹的博客
08-15 7323
本文介绍机器学习过程中一个可用的小型数据集
机器学习——数据库篇
最新发布
O_BOBO的博客
06-14 977
记录一下最近在机器学习方面用到的工具库吧。
ML能用上的实用数据集
weixin_34310127的博客
08-01 265
机器学习数据集 机器学习中重要的一步是创建或寻找合适的数据来训练和检验算法。使用好的数据集可以帮助你规避或发现算法中的错误，改善程序的结果。在多数情况下，创建自己的数据集是一件费时的事。本文会向介绍一些有用的数据集，用于文本分类和图像分类问题。 文本分类 本节将介绍一些用于普通文本分类任务的数据集，如垃圾信息检测、情感分析和文档主题分类。 • 垃圾信息 ...
《各领域机器学习数据集汇总（附下载地址）》
GodLei1995
03-02 3666
大学公开数据集(Stanford)69G大规模无人机(校园)图像数据集【Stanford】http://cvgl.stanford.edu/projects/uav_data/人脸素描数据集【CUHK】http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html自然语言推理(文本蕴含标记)数据集【NYU】https://www.nyu.edu/projec...
机器学习27个常用数据集
03-30
包含27个常用的机器学习数据集。iris、bank、airline、soybean、weather、credit、unbanlanced等。
weather-ml:在天气数据集上试验机器学习
06-01
如何生成用于机器学习的数据集 确保 API 密钥在具有“export WUNDERGROUND_APIKEY=...”的环境中 如果您愿意，可以编辑 generate_dataset.py 中的城市列表 不带参数运行 ./generate_dataset.py 将 data/dataset.csv...
First-Project-using-ML:客户流失数据集
03-28
在IT行业中，机器学习（Machine Learning，简称ML）是一个热门且关键的领域，它涉及到让计算机通过学习数据来实现自我改进。"First-Project-using-ML: 客户流失数据集"是一个很好的起点，旨在帮助初学者理解如何利用...
collection-datasets:ML数据集
03-21
"collection-datasets:ML数据集" 提供了一个集合，包含多个用于机器学习任务的数据集。这些数据集广泛应用于各种场景，如图像识别、自然语言处理、推荐系统等。在进行机器学习项目时，选择合适的数据集至关重要，...
open-energy:ML用于智能电表的耗电量数据
04-15
机器学习介绍智能电表用电量数据，然后使用K-means打开，清理，聚类数据，然后使用CART进行分类。 此练习具有教育和研究目的。 该项目是使用Fluvius的数据完成的： ：//www.fluvius.be/nl/thema/open-data 摘自...
ML-DM:ML、DM、机器学习、数据挖掘
06-12
"ML-DM:ML、DM、机器学习、数据挖掘"这一主题涵盖了现代信息技术领域中的两个核心概念——机器学习（Machine Learning, ML）和数据挖掘（Data Mining, DM）。这两个领域相互关联，共同推动了人工智能的发展和广泛...
AAU Sewer Defect Point Cloud Dataset AAU下水道缺陷点云数据集-数据集
03-18
使用真实数据和合成数据对点云的下水道缺陷进行分类。这是下水道和缺陷的3D数据的第一个公开可用的数据集。数据集的大部分由合成数据组成，而真实管道的点云是在丹麦奥尔堡大学的实验室环境中记录的。 AAU Sewer Defect Point Cloud Dataset_datasets.txt testing_pointcloud_hdf5_real.h5 testing_pointcloud_hdf5_synthetic.h5 training_pointcloud_hdf5_real.h5 training_pointcloud_hdf5_synthetic.h5 AAU Sewer Defect Point Cloud Dataset_datasets.zip
从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程
热门推荐
aBlueMouse的博客
12-04 5万+
超分辨率技术（Super-Resolution, SR）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。 本文针对端到端的基于深度学习的单张图像超分辨率方法(Single Image Super-Resolution, SISR)，总结一下从SRCNN到EDSR的发展历程。(排列顺序大致按论文中给出的4倍上采样结果的峰值信噪比(Pe
ICME2021：基于CNN的HEVC帧内编码块快速划分
Dillon2015的博客
06-29 3万+
本文来自ICME2021论文《CNN-BASED DEPTH MAP PREDICTION FOR FAST BLOCK PARTITIONING IN HEVC INTRA CODING 》 在HM中，通过递归调用RDO来选择最优的划分模式，整个过程计算复杂度很高且硬件实现不友好。论文使用CNN为HEVC的帧内编码生产深度图来进行快速划分。 论文提出使用深度图来表示CTU的划分，如Fig.1(b)深度图是一个8x8的矩阵，矩阵中每个元素代表64x64CTU的每个8x8块的深度。从Fig....
15个硬核机器学习库。建议收藏备用！（下篇）
CKissjy的博客
05-17 990
这只是其中一些常用的机器学习库，Python生态系统中还有许多其他工具和库，可以根据具体需求选择合适的工具。此外，机器学习和深度学习领域不断发展，新的库和框架可能会不断涌现。喜欢的朋友可以起来！
监控视频相关数据集
weixin_33883178的博客
01-05 7604
http://www.multitel.be/cantata/   BOSS dataset Website: Datasets are available here.   Dataset:    The BOSS project aims at developing an innovative and bandwidth efficient communicati...
表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
迈微AI研习社 · 号主
09-27 1万+
全网目前最全的表面缺陷检测数据集整合，包含项目GitHub Repo
吐血整理：42个人工智能机器学习数据集推荐
Appen_China的博客
05-18 7394
收集了现有的42个高质量机器学习数据存储库和数据集，并按照项目类型和行业对它们进行了分类，点击相应的文字链接即可一键get！
【ML】机器学习数据集：sklearn中分类数据集介绍
学无止境、积少成多、厚积薄发
08-10 9977
在机器学习的教程中，我们会看到很多的demo，这些demo都是基于python中自带的数据集。今天我们将介绍sklearn中几个常用的分类预测数据集。
时间序列图像分类数据集
01-22
### 时间序列图像分类数据集 时间序列图像分类涉及将时间维度引入到图像分析中，这使得该领域具有独特的挑战性和应用价值。为了支持这一研究方向的发展，多个公开可用的时间序列图像分类数据集已经发布。 #### 1. UCR Time Series Archive UCR Time Series Classification/Clustering Repository 是一个广泛使用的资源库，其中包含了多种不同类型的时间序列数据集[^1]。尽管这些数据集主要用于传统的一维时间序列分类任务，部分也可以通过适当预处理转化为二维或三维表示形式用于图像分类任务。 #### 2. PhysioNet Challenge Datasets PhysioNet 提供了一系列与生理信号相关的竞赛数据集，特别是ECG 和 EEG 数据集非常适合用来探索时间序列图像分类方法的应用场景。例如，在心电图(ECG) 中，可以将每个心跳周期可视化成一张图片来训练卷积神经网络(CNN)，从而实现自动诊断功能。 #### 3. MTS DataSets (Multivariate Time Series) 对于多变量时间序列(Multivariate Time Series), 可以考虑使用如FordA, FordB这样的经典数据集来进行实验。这类数据通常包含多个传感器采集的信息随时间变化的情况，能够很好地模拟现实世界中的复杂动态过程并将其映射为静态视觉模式进行学习和识别[^5]。 #### Python代码示例：加载并展示来自UCR档案馆的一个简单例子 ```python from tslearn.datasets import UCR_UEA_datasets import matplotlib.pyplot as plt dataset_name = "GunPoint" X_train, y_train, X_test, y_test = UCR_UEA_datasets().load_dataset(dataset_name) plt.figure(figsize=(8,6)) for i in range(3): plt.subplot(3, 1, i+1) plt.plot(X_train[i].ravel()) plt.title(f'Class {y_train[i]}') plt.tight_layout() plt.show() ``` 此段代码展示了如何利用`tslearn`库从UCR数据库下载指定名称的数据集，并绘制前三个样本作为代表性的图形输出。虽然这里只显示了一维曲线图，但在实际操作过程中可以根据具体需求调整参数或将它们进一步加工成为更复杂的图像结构以便于后续的CNN或其他深度学习框架下的分类任务。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值