@Team
2018-06-16T12:37:36.000000Z
字数 2020
阅读 2720
【数据集】燕哥CSDN课程数据集整理
李中梁
参考资料
用于贝叶斯的数据集
数据集一： Wine Data Set
数据集介绍：包括了三种酒中13种不同成分的数量。13种成分为：Alcohol，Malicacid，Ash，等。在 “wine.data”文件中，每行代表一种酒的样本，共有178个样本；一共有14列，其中，第一列为类标志属性，共有三类，分别记为“1”，“2”，“3”；后面的13列为每个样本的对应属性的样本值。其中第1类有59个样本，第2类有71个样本，第3类有48个样本。
例子：用朴素贝叶斯对wine数据集分类数据集二：mnist
数据集介绍：大名鼎鼎的手写数字识别，不多介绍。注意一点，原始数据太麻烦了，可以选择kaggle提供的已处理好的数据。
例子：用Python实现朴素贝叶斯分类器（MNIST数据集）
用于逻辑回归的数据集
- 数据集：Iris
- 数据集介绍：安德森鸢尾花卉数据集，包含150个样本，每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度4个特征，可以通过样本的4个特征来判断样本属于山鸢尾、变色鸢尾还是维吉尼亚鸢尾
- 例子：逻辑回归（Logistic regression）详解-并用scikit-learn训练逻辑回归拟合Iris数据集
用于SVM的数据集
- 数据集一：乳腺癌数据集
- 数据集介绍：简单经典的用于二分类任务的数据集，30维特征，共569个样本，212(恶性)，357(良性)。
- 例子： sklearn.datasets.load_breast_cancer
用于决策树的数据集
- 数据集一：Titanic
- 数据集介绍：泰坦尼克号沉船事件是航海领域的悲剧，2224名乘客和机组人员中有1502人遇难。现在给出1313个样本，在“survived”特征中标明该人员是否幸存，其他可供用于决断的特征包括："age","embarked","room","ticket","boat","sex"`等
- 数据集介绍：乳腺癌分类数据集。569个样本，32个特征，无数值缺省。
数据集三：mnist
- 数据集介绍：大名鼎鼎的手写数字识别，不多介绍。注意一点，原始数据太麻烦了，可以选择kaggle提供的已处理好的数据。
- 例子：用Python实现决策树（MNIST数据集）
集成学习
- 数据集：
- 数据集介绍：
- 例子：
特征工程
- 数据集：
- 数据集介绍：
- 例子：
聚类算法
K-Means算法：
- 数据集一：Iris
- 数据集介绍：安德森鸢尾花卉数据集，包含150个样本，每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度4个特征，可以通过样本的4个特征来判断样本属于山鸢尾、变色鸢尾还是维吉尼亚鸢尾
- 例子：python中使用k-means对鸢尾花数据集聚类
- 数据集二： Wine Data Set
数据集介绍：包括了三种酒中13种不同成分的数量。13种成分为：Alcohol，Malicacid，Ash，等。在 “wine.data”文件中，每行代表一种酒的样本，共有178个样本；一共有14列，其中，第一列为类标志属性，共有三类，分别记为“1”，“2”，“3”；后面的13列为每个样本的对应属性的样本值。其中第1类有59个样本，第2类有71个样本，第3类有48个样本。
例子：无
密度聚类算法之 DBSCAN：
k-means不能识别球形类数据，但是DBSCAN可以
- 数据集：曲线形聚类数据
- 数据集介绍：散列点组成的曲线形数据
- 例子： 用scikit-learn学习DBSCAN聚类
层次聚类算法之 AGNES：
- 数据集一：Iris
- 数据集介绍：安德森鸢尾花卉数据集，包含150个样本，每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度4个特征，可以通过样本的4个特征来判断样本属于山鸢尾、变色鸢尾还是维吉尼亚鸢尾
- 例子：鸢尾花三种聚类算法（K-means,AGNES,DBScan）的python实现
用于神经网络的数据集
现在深度学习火热，似乎什么任务（特别是图像、文本和语音数据）都可以上神经网络模型，并且可以取得不错的效果。
数据集一：mnist
数据集介绍：大名鼎鼎的手写数字识别，不多介绍。注意一点，原始数据太麻烦了，可以选择kaggle提供的已处理好的数据。
例子： 使用scikit-learn只提供多层感知机模型，建议使用keras教学，用pip install命令安装即可使用数据集二：猫狗大战（图像二分类任务）
- 数据集介绍：训练集有25000张，猫狗各占一半。测试集12500张，没有标定是猫还是狗。
- 例子：如何用keras cnn 做kaggle猫狗大战图片识别
