机器学习可以在时间序列数据集上应用。这些属于需要预测数值或分类的问题，但数据是按时间排序的。下面介绍7个标准时间序列数据集，可用于使用机器学习进行时间序列预测的实践。

　　单变量时间序列数据集

　　只有一个变量的时间序列数据集称为单变量数据集（univariate datasets），其优点是：

简单且容易理解；

支持excel或其他绘图工具；

易于预测结果和期望结果的比较；

易于尝试你并评估新的方法。

　　以下是4个单变量时间序列数据集，均可从datamarket上下载。

洗发水销售数据集（Shampoo Sales Dataset）

　　该数据集描述了3年期间的洗发水月销售量，单位是销售量，有36个观察值。下面是该数据集前5行的示例，包括标题行：

日最低温度数据集（Minimum Daily Temperatures Dataset）

　　该数据集描述了澳大利亚墨尔本市10年间（1981-1990）的日最低温度。单位是摄氏度，有3650个观察值，数据来源为澳大利亚气象局。

　　下面是该数据集前5行数据的示例：

每月太阳黑子数数据集（Monthly Sunspot Dataset）