我目前正在尝试自己实现一些机器学习算法。它们中的许多具有难以调试的令人讨厌的特性，一些错误不会导致程序崩溃，而是无法按预期工作，并且看起来算法只会给出较弱的结果。
我想有一些方法来增加我对实现的信心，例如，如果我有一些小数据集，以及附加信息“算法 X 适用于 Y 次迭代并在该数据集上得到结果 Z”，那将非常有帮助。有人听说过这样的数据集吗？
我在哪里可以找到对测试我自己的机器学习实现有用的数据集？
机器算法验证
数据集
2022-03-13 17:57:55
2个回答
我们目前维护 223 个数据集作为机器学习社区的服务。您可以通过我们的可搜索界面查看所有数据集。对于喜欢旧格式的人，我们的旧网站仍然可用。...如果您想捐赠数据集，请查阅我们的捐赠政策。...我们还为存储库设置了一个镜像站点。
此外，以下MIAS 数据集已被广泛使用和研究：
在对算法进行基准测试时，建议使用标准测试数据库（数据集），以便研究人员能够直接比较结果。大多数乳房 X 线摄影数据库不公开。最容易访问的数据库，因此也是最常用的数据库是乳腺 X 线图像分析协会 (MIAS) 数据库和乳腺 X 线筛查数字数据库 (DDSM)。此外，目前很少有项目开发新的乳腺图像数据库以及一些旧项目。
Bashar 提到的 UCI 存储库可能是最大的，不过我想添加一些我遇到的较小的集合：
- Mulan Java 库中的数据集
- 来自卡内基梅隆大学计算机科学学院Auton 实验室的数据集
- 统计学习的书籍元素中使用的数据集
- 来自KDD Cup 比赛的几个数据集
- 慕尼黑大学统计系的数据集
其它你可能感兴趣的问题