以下是记录一些常用的机器学习数据集：
Kaggle：爱比赛的盆友应该很熟悉，Kaggle有各种有趣的数据集，拉面评级，篮球数据，甚至西雅图宠物许可证。 https://www.kaggle.com/
UCI机器学习库:最古老的数据集之一是寻找有趣数据集的第一站。虽然数据集是用户贡献的，所以清洁度不同，但大部分都是干净的，可以直接从UCI下载机器学习库，无需注册。 http://mlr.cs.umass.edu/ml/
VisualData：可以搜索分类的计算机视觉数据集~ https://www.visualdata.io/
机器学习数据集
图片
Labelme：大型图像数据集带注释。 http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php
ImageNet：大家熟悉的ImageNet，女神李飞飞参与了创作，同名比赛影响了整个计算机视觉领域。 http://image-net.org/
LSUN：场景理解和许多辅助任务（房间布局估计、显著预测等） http://lsun.cs.princeton.edu/2016/
MS COCO：它也是著名的计算机视觉数据集，每年都被中国人屠杀。 http://mscoco.org/
COIL 100 ：360度旋转的每个角度成像100个不同物体。 http://www1.cs.columbia.edu/CAVE/software/softlib/coil-100.php
视觉基因组：视觉知识库非常详细。 http://visualgenome.org/
谷歌开放图像：在知识共享下，900万个图像网站注释了6000多个类别的标签。 https://research.googleblog.com/2016/09/introducing-open-images-dataset.html
野外标记面:开发涉及面部识别的应用程序，有1.3万张人脸标记图像。 http://vis-www.cs.umass.edu/lfw/
斯坦福狗数据集：20580张狗图，包括120个不同品种。 http://vision.stanford.edu/aditya86/ImageNetDogs/
室内场景识别：包括67个室内类别，15620个图像。 http://web.mit.edu/torralba/www/indoor.html
情绪分析
多域情感分析数据集：亚马逊的产品评论使用稍老的数据集。 http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
IMDB评论：用于二元情绪分类的数据集，但也有点老，有点小，大约有2.5万个电影评论。 http://ai.stanford.edu/~amaas/data/sentiment/
斯坦福情绪树库：标准情绪数据集带有情绪注释。 http://nlp.stanford.edu/sentiment/code.html
Sentiment140:一个流行的数据集，使用1.6万条推文提前删除表情符号。 http://help.sentiment140.com/for-students/
Twitter2015年2月美国航空公司情绪：Twitter数据分为正面、负面和中性推文。 https://www.kaggle.com/crowdflower/twitter-airline-sentiment
自然语言处理
HotspotQA数据集：自然多跳问题的问答数据集，强有力的监督支持事实，实现更容易解释的问答系统。 https://hotpotqa.github.io/
安然数据集：安然高级管理层的电子邮件数据。 https://www.cs.cmu.edu/~./enron/
亚马逊评论：亚马逊上大约有3500万条评论，包括产品和用户信息、评级和文本审查。 https://snap.stanford.edu/data/web-Amazon.html
Google Books Ngrams：Google Books一系列文字。 https://aws.amazon.com/datasets/google-books-ngrams/
Blogger Corpus：收集了来自blogger.com681、288篇博文，每篇博文至少包含200个常用英语单词。 http://u.cs.biu.ac.il/~koppel/BlogCorpus.htm
维基百科链接数据:维基百科全文包含近19亿个来自400多万篇文章的单词，可以根据段落、短语或段落本身的一部分进行搜索。 https://code.google.com/p/wiki-links/downloads/list
Gutenberg电子书列表：Gutenberg带注释的电子书单。 http://www.gutenberg.org/wiki/Gutenberg:Offline_Catalogs
Hansards加拿大议会文本：第36届加拿大议会记录的130万组文本。 http://www.isi.edu/natural-language/download/hansard/
Jeopardy：来自问答节目Jeopardy归档2万多个问题。 http://www.reddit.com/r/datasets/comments/1uyd0t/200000_jeopardy_questions_in_a_json_file/
英文垃圾短信收集：由5574条英文垃圾短信组成的数据集。 http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/
Yelp评论：Yelp，这是他们发布的一个开放数据集，包括500多万条评论。 https://www.yelp.com/dataset
UCI的Spambase：大型垃圾邮件数据集对过滤垃圾邮件非常有用。 https://archive.ics.uci.edu/ml/datasets/Spambase
自动驾驶
Berkeley DeepDrive BDD100k：目前，最大的自动驾驶数据集包括1万多个视频，包括一天中不同时间和天气条件下100多个小时的驾驶体验。注释图像来自纽约和旧金山。 http://bdd-data.berkeley.edu/
百度Apolloscapes：杜娘的大型数据集定义了汽车、自行车、行人、建筑物、路灯等26种不同物体。 http://apolloscape.auto/
Comma.ai：高速公路驾驶超过7小时的细节包括速度、加速度、转向角和GPS坐标。 https://archive.org/details/comma-dataset
牛津机器人汽车：这个数据集来自牛津机器人汽车。它在英国牛津的同一条路上跑了100多次，捕捉了天气、交通和行人的不同组合，以及建筑和道路工程的长期变化。 http://robotcar-dataset.robots.ox.ac.uk/
城市景观数据集：一个记录50个不同城市城市街景的大型数据集。 https://www.cityscapes-dataset.com/
CSSAD数据集:这个数据集对自动驾驶车辆的感知和导航非常有用。然而，数据集严重偏向发达国家。 http://aplicaciones.cimat.mx/Personal/jbhayet/ccsad-dataset
KUL比利时交通标志数据集：来自比利时法兰德斯地区数千个实体交通标志的1万多条注释。 http://www.vision.ee.ethz.ch/~timofter/traffic_signs/
MIT AGE Lab：在AgeLab多传感器驾驶数据集样本收集1000多小时。 http://lexfridman.com/automated-synchronization-of-driving-data-video-audio-telemetry-accelerometer/
LISA：UC圣迭戈智能和安全汽车实验室的数据集包括交通标志、车辆检测、交通信号灯和轨道模式。 http://cvrr.ucsd.edu/LISA/datasets.html
博世小交通灯数据集：用于深度学习的小交通灯数据集。 https://hci.iwr.uni-heidelberg.de/node/6132
LaRa交通灯识别：巴黎交通信号灯数据集。 http://www.lara.prd.fr/benchmarks/trafficlightsrecognition
WPI数据集：交通灯、行人和车道检测数据集。 http://computing.wpi.edu/dataset.html
临床
MIMIC-III：MIT计算生理实验室的公共数据集标记了大约4万名重症监护病人的健康数据，包括人口统计、生命体征、实验室测试、药物等维度。 https://mimic.physionet.org/
一般数据集
公共政府数据集
Data.gov：该网站可以从多个美国政府机构下载数据，包括从政府预算到考试成绩的各种奇怪数据。然而，大部分数据需要进一步研究。 https://www.data.gov/
食品环境地图集：当地食材如何影响美国饮食数据。 https://catalog.data.gov/dataset/food-environment-atlas-f4a22
学校财务系统：美国学校财务系统调查。 https//catalog.data.gov/dataset/annual-survey-of-school-system-finances
慢性病数据：美国各地区慢性病指标数据。 https://catalog.data.gov/dataset/u-s-chronic-disease-indicators-cdi-e50c9
美国国家教育统计中心：教育机构和教育人口统计数据，不仅有美国的数据，也有一些世界上其他地方的数据。 https://nces.ed.gov/
英国数据服务：英国最大的社会、经济和人口数据集。 https://www.ukdataservice.ac.uk/
数据美国：全面可视化的美国公共数据。 http://datausa.io/
中国国家统计局。 http://www.stats.gov.cn/
金融与经济
Quandl：经济和金融数据的良好来源，有助于建立预测经济指标或股票价格的模型。 https://www.quandl.com/
世界银行开放数据：全球人口统计数据，还有大量经济和发展指标的数据集。 https://data.worldbank.org/
国际货币基金组织数据：国际货币基金组织公布的有关国际金融，债务利率，外汇储备，商品价格和投资的数据。 https://www.imf.org/en/Data
金融时报市场数据：来自世界各地的金融市场的最新信息，包括股票价格指数，商品和外汇。 https://markets.ft.com/data/
Google Trends：世界各地的互联网搜索行为和热门新闻报道的数据。 http://www.google.com/trends?q=google&ctab=0&geo=all&date=all&sort=0
美国经济协会：美国宏观经济数据。 https://www.aeaweb.org/resources/data/us-macro-regional