正如您所指出的，尽管风险高于 Project Euler，但 Kaggle 是您自己的实验中使用的极好数据来源。他们的许多比赛都要求您登录才能访问数据集（用于法律协议等），但如果您实际上没有完成参赛作品，据我所知，没有任何处罚。

话虽如此，如果您寻找特定于测试统计程序的数据集，例如普林斯顿大学的数据集，您可以在不同的网络架构上测试数据，并将其与普通回归等作为基准进行比较。

另请参阅此处以获取完整列表，其中包括所有Google 自然语言处理数据。

因此，Project Euler 针对特定问题提供了出色的服务，但在机器学习的情况下，您可以将现有数据集与您创建的架构一起使用，并将“答案”与在线或研究论文中提出的结论进行比较。

UCI因其数据集存储库而在机器学习社区中广为人知。许多期刊文章都包含了他们在一些 UCI 数据集上的技术结果，因此您可以自己尝试一下，看看效果如何。

怎么样：http ://www.ml-class.org/ ？它有很好的介绍和一些编程练习。AFAIK Euler 有更复杂的示例，但 ml-class 仍然是一个好的开始。

正如评论中指出的那样，本课程有下一版：http: //jan2012.ml-class.org/#