公开数据集

作者：扫地僧

从数据中学习，首先需要有数据。

我们在学习机器学习或者数据挖掘方法的时候，想应用各种算法，我们首先的需要有数据，因为有了数据，我们才好做数据准备、数据预处理、数据分析和数据建模等工作。

本文分享一些公开数据集，我们可以在这些数据集上开展各种学习算法的工作。

1 R语言自带数据集

运行如下命令

library(help = "datasets")

部分结果如下；

对于具体数据集的理解，可以查看相应帮助文档。
命令如下

help(Titanic)

帮助文档页面，部分内容如下：

这个数据集在Kaggle竞赛平台上面是一个典型的数据集。
另外，R语言的扩展包里面也会有一些自带的数据集可以使用，前提是要先安装和加载这个R包

2 Kaggle竞赛平台上面的数据集

Kaggle竞赛平台网址：https://www.kaggle.com/
注册好后，就可以进入查看各种数据竞赛所提供的数据集，包括训练数据集和测试数据集，都是标准的csv格式。
例如,Titanic的竞赛项目数据如下：

3 UCI机器学习库数据集

UCI机器学习库数据集网址：http://archive.ics.uci.edu/ml/index.html
下载次数最多的数据集

有了这些公开的数据集，我们就可以研究学习算法和应用学习算法了。在实际的工作过程中，我们就是把这些公开的数据集换成具体业务问题所对应的数据，这是我们需要做业务理解和数据理解工作，后续的过程与基于公开数据集所做的工作流程和方法论一样。

大家有什么想法或者建议，请留言。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，分享和传播数据知识干货！
我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！

点击【阅读原文】，进入【数据人网】