矩池云公共数据集简介

矩池云整理了常见了一些公开数据集，在租用机器后，您可使用 cd /data_public 命令快速使用和访问（只读）。

如果您有推荐的公共数据集，可随时联系我们。

image - 图像数据集

• MNIST：经典的小型（28x28 像素）灰度手写数字数据集，用于灰度数据图像识别。
• CIFAR10：10 个类别，32x32 像素彩色图像，用于图像分类。
• 3D_Segmentation：来自 EPFL CVLab 的电子显微镜下图像，可用于图像分割。
• voc2012：来自 PASCAL VOC 2012 数据集，此数据集可以用于图像分类、目标检测、图像分割。

NLP - 自然语言处理数据集

• dbpedia：来自 Wikipedia 的文章分类
• imdb-sentiments：来自 imdb 的影评合集，其中评价内容两极分化
• stanford-question-answering：来自斯坦福的 100,000+ 问答数据集
• amazonreviews：来自亚马逊的商品评论
• UCI-spambase：经典的垃圾邮件分类数据集

videos_and_music - 视频和音乐数据集

• youtube8m：来自 Youtube 的视频，公开总数据有1.53TB，源数据集包含 8,000,000 万个 YouTube 视频链接，矩池云仅提供若干样例。
• beethoven：贝多芬交响曲，以mid格式存储。

kaggle_compettions

• msdchallenge：Kaggle上的挑战赛，提供了百万的歌曲数据集（million song dateset），以预测用户会听哪一首歌。
• netflix-prize-data：数据来源于 Netflix，希望有参赛者能写出更优的推荐算法。
• transaction_prediction：数据来源于 Santander，以预测哪个用户可能会再次购买。

天池

• 中文糖尿病标注数据集
• Traffic_Flow_KDD_CUP_2017：杭州市交通数据集
• User Behavior Data on Taobao App：淘宝APP用户行为数据集