编译：刘小芹

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】学好机器学习的关键是用许多不同的数据集来实践。本文介绍了10个最受欢迎的标准机器学习数据集和7个时间序列数据集，既有回归问题也有分类问题，并提供了各数据集输入输出的变量名称和基准性能，以及下载地址，可以用作练习的资源。

　　学好机器学习的关键是用许多不同的数据集来练习。因为对不同的问题，需要有不同的数据准备和建模方法。本文介绍了10个最受欢迎的标准机器学习数据集，可以用作练习的资源。

　　每个数据集均按照一定的格式介绍，以使读者相对容易比较，为他们的特定练习任务选择数据集或建模方法。

　　格式：

名称：如何引用数据集

问题类型：是回归问题还是分类问题

输入和输出：输入和输出特征的数量和名称

性能：使用零规则算法（Zero Rule Algorithm）的基准性能比较，atv，以及已知的最佳性能

示例：原始数据前5行的快照

链接：下载数据集及了解更多的链接

　　标准数据集

　　下面是本文将介绍的 10 个数据集的列表。每个数据集都不大，能够适应内存或使用电子表格查看。所有数据集都由表格数据组成，并且没有（显式的）缺失值。

瑞典汽车保险数据集

葡萄酒质量数据集

比马印第安人糖尿病数据集

声纳数据集

钞票数据集

鸢尾花卉数据集

鲍鱼数据集

电离层数据集

小麦种子数据集

波士顿房价数据集

　　瑞典汽车保险数据集

　　瑞典汽车保险数据集（ Swedish Auto Insurance Dataset）包含了对所有索赔要求的总赔付预测，以千瑞典克朗计，给定的条件是索赔要求总数。

　　这是一个回归问题。它由 63 个观察值组成，包括1个输入变量和1个输出变量。变量名分别是：

索赔要求数量

对所有索赔的总赔付，以千瑞典克朗计

　　预测平均值的基准性能的均方根误差（RMSE）约为 72.251 千克朗。

　　前5行的示例如下：

　　下面是整个数据集的散点图：

　　下载地址：

　　葡萄酒质量数据集

　　葡萄酒质量数据集（Wine Quality Dataset ）涉及根据每种葡萄酒的化学度量值来预测白葡萄酒的质量。

　　它是一个多类分类问题，但也可以定义为回归问题。每个类的观察值数量不均等。一共有 4898个观察值，11个输入变量和一个输出变量。变量名如下：

非挥发性酸度

挥发性酸度

柠檬酸

残留糖

氯化物

游离二氧化硫

总二氧化硫

浓度

pH值

硫酸盐

酒精度

质量（得分在 0 和 10 之间）

　　预测平均值的基准性能的均方根误差（RMSE）为 0.148 的质量分数。

　　数据集前5行的示例如下：

　　比马印第安人糖尿病数据集

　　比马印第安人糖尿病数据集（Pima Indians Diabetes Dataset）涉及根据医疗记录预测比马印第安人5年内糖尿病的发病情况。