轉自：https://zhuanlan.zhihu.com/p/84088095
最近一次新增：2020.02.11
大家好，先給各位抱拳了！我是和鯨（科賽?http://kesci.com）的運營一枚，今天給大家分享以下我們（通過網線）奔波世界各地搜集過來的數據集們！
大家有想要的也可以在評論區許愿，我去求撈數據集的小哥哥小姐姐們幫幫忙
另外打一波硬廣，以下所有數據集都可以在和鯨（科賽?http://kesci.com）的K-Lab產品中直接掛在項目中使用，無需下載。現還有另有免費計算資源可以薅。
請猛戳鏈接訪問>>>和鯨（科賽 kesci.com）<<<
?
——結構化數據——
交通：
Pronto共享單車數據集（70.8MB）
歐州航空旅客運輸季度數據集（更新至2019第二季度）（63KB）
2015年美國????航班延誤或取消數據集（192.3MB）
明尼阿波里斯市交通流量數據（3.1MB）
航班動態起降數據集（2GB）
交通卡口過車數據數據集（100G）
Uber 紐約市乘車數據（109.1MB）
氣象：
中國歷年臺風最佳路徑數據
1750年至今全球地表氣溫變化數據
1965-2016全球重大地震數據（2.3MB）
El Nino厄爾尼諾數據集（9.6MB）
中國氣象數據（675.1MB）
北京空氣質量數據（21.5MB）
中國空氣質量數據集（1.2GB）
澳大利亞山火數據集（100+MB）
1750年至今全球地表氣溫變化數據（84MB）
能源：
全球能源之風力預測數據集（24.5MB）
風力發電機數據集（12.3MB）
2010年芝加哥能源使用情況（26.3MB）
中國水資源數據集（130KB+）
鎮江電力數據（17.7MB）
安全：
CNNVD中國信息安全漏洞數據庫
NVD美國國家通用漏洞數據庫（335MB+）
NSL_KDD數據集（25.3MB）
KDD-CUP99網絡入侵檢測數據集（220MB+）
醫學：
心臟病診斷數據集（17.6KB）
骨科患者的生物力學特征數據集（24.4KB）
埃博拉數據集（1.3MB）
癲癇發作識別數據集（7.3MB）
1000個12導聯ECG心電圖數據集（70.7MB）
宮頸癌風險因素數據集（99.7KB）
手勢檢測數據集（16.9MB）
帕金森疾病診斷數據集（5.1MB）
心臟病相關數據集（11.1KB）
基于重癥監護室（ICU）多生命體征，預測膿毒癥（21.1KB）
內置動脈插管數據集（288.7KB）
埃及患者的丙型肝炎病毒（HCV）數據集（158KB）
急性肝功能衰竭預測數據集（848.6KB）
心血管疾病數據集（2.8MB）
新型冠狀病毒(2019-nCoV)疫情時間序列數據集（1.8MB）
游戲：
英雄聯盟英雄數據（253.6KB）
Steam游戲匯總
100萬數獨游戲（156.4MB）
守望先鋒英雄數據集（53.4KB）
Dota2游戲結果數據集（21.3MB）
王者榮耀英雄數據集（7.8KB）
包含用戶行為的Steam游戲數據集（8.5MB）
經濟金融：
拍拍貸互聯網金融數據（320MB）
P2P信貸平臺業務數據（400MB+）
我國主要城市年度數據-產值、人口、就業、教育等（10KB）
4萬條信用貸款業務、4千條現金貸業務脫敏數據
上證A股個股日線數據（187.6MB）
信用卡評分模型構建數據（7.2MB）
1978至今的黃金價格數據（187.8KB）
成人人口普查收入的相關信息（3.9MB）
金融風險預測數據集（2.1MB）
9000條信用卡使用情況數據（881.7KB）
中國工商企業注冊信息數據集（559.4MB）
加密貨幣市場價格（39.0MB）
常用匯率過去3年的歷史數據（31.6KB）
信用卡欺詐檢測數據集（143.8MB）
信用違約概率預測 | Kaggle（7.2MB）
銀行電話營銷數據集（2.1MB）
LendingClub貸款數據（421.3MB）
比特幣歷史交易數據（221.1MB）
Dow Jones 股票日結算數據（1.6MB）
S&P 500股價數據（128.1MB）
PyPortfolioOpt股票價格（1.1MB）
特斯拉股票價格（168.7KB）
蘋果股票市場數據歷史記錄（41.2KB）
7家頂級公司的收購數據（69.4KB）
2019年全球七百多萬個公司的數據（275.1MB）
美國醫療保險市場數據（778.8MB）
🇮🇳🇮🇳印度貿易數據（19.0MB）
30家在美國的大型公司的道瓊斯指數數據（2.7MB）
最近十年谷歌的股票價格數據集（165.5KB）
桑坦德銀行顧客交易預測數據（244.3MB）
歐元兌換國際主要貨幣的匯率日數據（更至2019.9.26）（2.9MB）
眾籌網站Kickstarter項目數據集（55.3MB）
MT4歷史數據中心各貨幣對外匯交易數據（905.5MB）
Santander客戶價值預測數據集（31.5MB）
消費：
出行產品未來14個月銷量預測數據集（61.2MB）
口紅數據集（1006.6KB）
黑五購物數據集（23.8MB）
去哪兒網—旅游產品機酒數據（1.5MB）
全球米其林餐廳信息（100KB+）
適合顧客尺碼推薦的服裝適合數據集（150MB）
淘寶App用戶行為（507.3MB）
廢舊汽車價格預測數據集（611.6KB）
天貓雙十一女性美妝的數據集（3.3MB）
淘寶云主題點擊數據集（1.6GB）
廣告實時競價數據（455.5MB）
住房：
鏈家二手房數據集（5.1MB）
攜程房型產品用戶行為數據集（506.1MB）
房價預測（103.3KB）
阿姆斯特丹airbnb數據集（400MB+）
紐約Airbnb開放數據（6.8MB）
房價預測（103.3KB）
體育：
NBA數據集（62.3+MB）
歐洲足球聯賽數據集（172.8MB）
2015-2018MLB棒球常規賽數據集（322.7MB）
120年奧運歷史數據集：運動員和成績（39.6MB）
科比生涯數據集(5.8MB)
植物：
蘑菇分類數據集（UCI Machine Learning）（365.2KB）
iris鳶尾花數據集（4.1KB）
土壤濕度的高光譜基準數據集（1.6MB）
小麥種子數據集（9.1KB）
100種植物種類🌳🌳🌳數據集（35.1MB）
天文：
不明飛行物世紀報告（14.6MB）
開普勒望遠鏡所標注的時間序列數據集（27.6MB）
推薦系統：
資訊內容用戶行為數據集（153.3MB）
Book Crossing 推薦系統數據（24.9MB）
Jester 推薦系統數據（4MB）
預測：
人力資源分析數據集（121.5KB）
申請大學的成功率預測數據集（12.6KB）
用戶點擊預測數據集（516.8MB）
Netflix Price 競賽數據集（665.7MB）
其他：
2017年-2018年 關于申根簽證的數據集
垃圾分類數據（49.3KB）
豆瓣讀書數據集（5.9MB）
豆瓣電影數據集（100MB+）
二戰空襲數據集（27.2MB）
拉勾網上海數據分析師職位數據（497.4KB）
瀕危語言統計（736.7KB）
CNNVD中國信息安全漏洞數據庫
💤💤個人睡眠數據（66.1KB）
2019年世界幸福報告（6.7KB）
鮑魚數據集（187.5KB）
魚類毒性數據集（30.5KB）
人口普查收入數據集（UCI）（3.4MB）
TMDB 5000部電影數據集（40MB+）
?
?
——NLP大類——
6000條周杰倫微博超話數據（1.1MB）
2016-2019新聞聯播語料庫（11.3MB）
中文謠言語料庫（32.6MB）
咪蒙所有公眾號文章（3.9MB）
中國對聯數據集（28.2MB）
1998人民日報標注語料庫（PFR）（10.2MB）
sentiment140 情感分析數據集（72.6KB）
人民日報文章數據集(1979-2010)（811.9MB）
人民日報文章數據集(1949-1978)（559.4MB）
中文新聞數據集（70.3MB）
《中餐廳3》19W彈幕數據（12.8MB）
IMDB電影評論數據（32.0MB）
中文醫學問答數據集（85MB）
耶魯文本轉SQL語句挑戰數據集（95.1MB）
淘寶某店鋪電風扇評論（273.9KB）
新加坡國立大學SMS語料庫（23.4MB）
豆瓣《哪吒之魔童降世》影評（85.1KB）
bilibili流行動漫影評數據（2.3MB）
6000條周杰倫微博超話數據！（1.1MB）
中文經典典籍語料
非正式漢語數據集（214.5MB）
中文對話情緒語料（1.1MB）
維基百科中文語料庫（518.7MB）
頻率最高的9933個最常用漢字數據集（1.0MB）
未名BBS熱門話題（3.6MB）
麥當勞就餐負面評論數據集（891.1KB）
Lord of the Rings指環王數據（223.9KB）
斯坦福情緒樹庫：帶有情感注釋的標準情緒數據集（6.1MB）
關于美國的航空公司的推特的情緒分析數據集（2.6MB）
聊天語料庫數據集（210.7MB）
短文本分類數據集（13.1MB）
成語閱讀理解數據集（195.8MB）
論文自動評分數據集（78.8MB）
多域情感數據集（51.2MB）
翻譯語料（595.9MB）
社區問答數據集（1.7GB）
中文科學文獻摘要數據集（92.9MB）
維基百科英文語料庫（89.0MB）
實體識別
用于命名實體識別的帶注釋語料庫（26.4MB）
使用Lattice LSTM的中文NER數據（191.5KB）
醫療命名實體識別數據集（5.1MB）
中文實體關系抽取數據集（8.1MB）
金融信息負面及主體判定比賽數據集（17MB）
?
——CV大類——
Fashion-MNIST圖像數據集（200.4MB）
車輛數據集（車輛識別與分類）（62.5MB）
垃圾分類數據集
另一個垃圾分類數據集（40.9MB）
CIFAR10數據集（148MB）
GTSRB-德國交通標志識別圖像數據（253.3MB）
手勢識別數據庫（1.1GB）
情緒的面部表情（170MB+）
寵物圖像數據集（783.5MB）
槍支目標檢測（2.4MB）
人臉圖像數據（294.1MB）
狗狗種類圖像數據集（919.5MB）
中國交警手勢數據集（1.8GB）
場景分類數據集（105.9MB）
💎💎87種寶石圖片數據（50.9MB）
驗證碼數據集（13.5MB）
植物：
水稻葉子疾病圖片集（36.7MB）
植物幼苗圖片數據集
花卉識別數據集（224.9MB）
花卉圖像分類
可食用野外植物數據集
氣象：
颶風損害的衛星圖像數據集（63MB）
從衛星圖像理解云層數據集（42MB）
字符識別：
TibetanMNIST藏文手寫數字數據集（53.2MB）
MNIST手寫識別數據集（9.5MB）
Chars74K字符識別數據集（188.3MB）
信用卡卡面圖像及標注數據（42.9MB）
手寫數學表達式識別（29MB）
圖片與單詞匹配數據集（31.1MB）
密集不規則文本行數據集（353MB）
視覺文字識別數據集
HASY手寫符號圖片數據集（127.2MB）
麻將圖片數據集（7.5MB）
醫療：
犬球蟲病寄生蟲圖片集（18.1MB）
頭部CT圖像數據（24.4MB）
肺部CT圖像數據（529.0MB）
心血管疾病預測（2.7MB）
深圳醫院胸片檢查掩膜圖片數據集（19.8MB）
肺部CT圖像數據（529MB）
行人識別：
行人檢測數據集ETHZ（146MB）
行人重識別數據集Market-1501（145.7MB）
行人重識別數據集RAiD（140.1MB）
行人重識別數據集prid_2011（1015.3MB）
汽車后視攝像頭視角行人數據集（799.7MB）
?
——語音大類——
Mozilla語音數據集-中文（358.2MB）
2000個英語讀數字的錄音（8.9MB）
 Error: Parsing error (xx.yaml(13): Incorrect indentation) in icvYMLParseValue)
 多連接服務器實現與簡單P2P聊天程序例程)
