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

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

在cscode中通过maven创建java项目

在cscode中创建java项目 可以通过博客完成maven的导入 建立maven项目 使用快捷键 Ctrl + Shift + P 建立一个 Maven 项目 1 Ctrl + Shift + P 打开输入框2 输入 "> java create"3 选择 maven4 选择 No Archetype5 输入 域名6 输入项目名称7 建立一个文件目录存放项目,文件名一般为项目名8 确定