为你的数据科学项目提供有力支撑--3个寻找数据集的最佳网站

2024-01-23 12:10

本文主要是介绍为你的数据科学项目提供有力支撑--3个寻找数据集的最佳网站,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

作者:Angelia Toh,Self Learn Data Science联合创始人  翻译:李海明   校对:冯羽

本文约1000字,建议阅读5分钟

本文为你介绍3个寻找数据集的最佳网站。

初学数据科学时,你不可避免地需要寻找更多数据来进行练习。这里我们推荐3个最好的找寻数据集的网站,来激发你下一个数据科学项目。

在学习数据科学的旅途中,你一定会需要数据集。特别是当我们在《How to Become a Data Scientist in 2020》中提倡从事数据科学项目时所言,你应当总是关注那些你可以用来试验的有趣的数据集。这里我们列出了在数据科学项目中获取数据集的3个最好的网站。

1.Kaggle

现在你应该对Kaggle非常熟悉了。为了能够利用社区力量并解决实际问题,各个公司已经在Kaggle上发布了他们数据。这使得Kaggle成为了找寻那些尚待解决的实际问题的数据集的最佳场所。如果你想要在不需要生成或标记数据的情况下练习机器学习建模,那么Kaggle也会是你的不二之选。另外,Kaggle的笔记本部分允许用户分享他们的代码和模型,这是非常好的学习资源。我强烈推荐初学者在Kaggle上寻找他们第一个数据科学项目。

2.Google Dataset Search

Google Dataset Search,即谷歌数据集搜索,是目前可用的最全面的数据集搜索引擎(该引擎2020年刚刚发布beta版本)。据称,Google Dataset Search目前可以检索到超过2500万个线上数据集,而且自2018年9月该引擎启动以来,已经帮助众多科学家和学者们更好地定位了所需的数据集。Google Dataset Search具有根据数据类型、更新日期等指标过滤数据集的功能,如今已成为我们大多数人的最爱。

只要数据集是线上的,那么你一定能够用Google Dataset Search找到它。

3.Data.gov

在寻找数据集时,你可能会想看看政府公开了哪些数据。如果这些公开数据能够得到了很好的使用的话,那么得到的解决方案可能会对整个行业都大有裨益。Data.gov是美国政府建立的开放数据湖,政府部门的数据在这里发布,促进学术界的研究与发展。在Data.gov上,数据分为健康、能源或教育等主题,人们能够非常容易地通过导航找到所需要的数据。

如果你不是美国居民怎么办?试着在你最喜欢的搜索引擎中搜一下“本国数据”看看。通常情况下,你会找到当地政府发布数据的网站。比如,印度政府发布数据的网站(data.gov.in)和英国政府发布数据的网站(data.gov.uk)。

使用这些网站,你可以找到任何你感兴趣的数据集。记住,学习数据科学的最好方法就是练习。那么,记住这些方便的网站吧,因为你一定会用到它的。

作者小传:

Angelia Toh,“这不可能”是为了提醒你:“我有可能”。切勿停下学习的脚步|自学成才的数据科学家,Self Learn Data Science的联合创始人。

原文标题:

3 Best Sites to Find Datasets for your Data Science Projects

原文地址:

https://www.kdnuggets.com/2020/04/best-sites-datasets-data-science.html

END


转自: 数据派THU 公众号

版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。


合作请加QQ:365242293  

数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。

这篇关于为你的数据科学项目提供有力支撑--3个寻找数据集的最佳网站的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/636364

相关文章

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

SpringBoot项目中报错The field screenShot exceeds its maximum permitted size of 1048576 bytes.的问题及解决

《SpringBoot项目中报错ThefieldscreenShotexceedsitsmaximumpermittedsizeof1048576bytes.的问题及解决》这篇文章... 目录项目场景问题描述原因分析解决方案总结项目场景javascript提示:项目相关背景:项目场景:基于Spring

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

Java Response返回值的最佳处理方案

《JavaResponse返回值的最佳处理方案》在开发Web应用程序时,我们经常需要通过HTTP请求从服务器获取响应数据,这些数据可以是JSON、XML、甚至是文件,本篇文章将详细解析Java中处理... 目录摘要概述核心问题:关键技术点:源码解析示例 1:使用HttpURLConnection获取Resp

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

springboot项目如何开启https服务

《springboot项目如何开启https服务》:本文主要介绍springboot项目如何开启https服务方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录springboot项目开启https服务1. 生成SSL证书密钥库使用keytool生成自签名证书将

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr