five

awesome-public-datasets

收藏
github2017-03-04 更新2024-05-31 收录
下载链接:
https://github.com/elisska/awesome-public-datasets
下载链接
链接失效反馈
官方服务:
资源简介:
一个包含高质量公开数据集的列表,涵盖多个领域,如农业、生物学、气候/天气和复杂网络等。

A compilation of high-quality open datasets spanning various domains, including agriculture, biology, climate/weather, and complex networks, among others.
创建时间:
2015-10-08
原始信息汇总

数据集概述

本数据集详情页面提供了多个领域的公共数据源列表,涵盖了从农业到搜索引擎等多个领域。以下是各领域数据集的概览:

农业

  • U.S. Department of Agricultures PLANTS Database

生物学

  • 1000 Genomes
  • American Gut (Microbiome Project)
  • Collaborative Research in Computational Neuroscience (CRCNS)
  • Gene Expression Omnibus (GEO)
  • Human Microbiome Project (HMP)
  • ICOS PSP Benchmark
  • MIT Cancer Genomics Data
  • NIH Microarray data (FTP)
  • OpenSNP genotypes data
  • Pathguid: Protein-Protein Interactions Catalog
  • Protein Data Bank
  • PubChem Project
  • PubGene (now Coremine Medical)
  • Stanford Microarray Data
  • The Personal Genome Project
  • UCSC Public Data
  • UniGene

气候/天气

  • Australian Weather
  • Brazilian Weather - Historical data (In Portuguese)
  • Canadian Meteorological Centre
  • Climate Data from UEA (updated monthly)
  • Global Climate Data Since 1929
  • NASA Global Imagery Browse Services
  • NOAA Bering Sea Climate
  • NOAA Climate Datasets
  • NOAA Realtime Weather Models
  • The World Bank Open Data Resources for Climate Change
  • UEA Climatic Research Unit
  • WU Historical Weather Worldwide

复杂网络

  • CrossRef DOI URLs
  • DBLP Citation dataset
  • NBER Patent Citations
  • NIST complex networks data collection
  • Protein-protein interaction network
  • PyPI and Maven Dependency Network
  • Scopus Citation Database
  • Small Network Data
  • Stanford GraphBase (Steven Skiena)
  • Stanford Large Network Dataset Collection
  • The Koblenz Network Collection
  • The Laboratory for Web Algorithmics (UNIMI)
  • The Nexus Network Repository
  • UCI Network Data Repository
  • UFL sparse matrix collection
  • WSU Graph Database

计算机网络

  • 3.5B Web Pages from CommonCraw 2012
  • 53.5B Web clicks of 100K users in Indiana Univ.
  • CAIDA Internet Datasets
  • ClueWeb09 - 1B web pages
  • ClueWeb12 - 733M web pages
  • CommonCrawl Web Data over 7 years
  • CRAWDAD Wireless datasets from Dartmouth Univ.
  • Criteo click-through data
  • Open Mobile Data by MobiPerf
  • UCSD Network Telescope, IPv4 /8 net

数据挑战

  • Challenges in Machine Learning
  • D4D Challenge of Orange
  • CrowdANALYTIX dataX
  • DrivenData Competitions for Social Good
  • ICWSM Data Challenge (since 2009)
  • Kaggle Competition Data
  • KDD Cup by Tencent 2012
  • Localytics Data Visualization Challenge
  • Netflix Prize
  • Space Apps Challenge
  • Telecom Italia Big Data Challenge
  • Yelp Dataset Challenge

经济学

  • American Economic Ass (AEA)
  • EconData from UMD
  • Internet Product Code Database

能源

  • AMPds
  • BLUEd
  • COMBED
  • Dataport
  • ECO
  • EIA
  • HFED
  • iAWE
  • Plaid
  • REDD
  • UK-Dale

金融

  • CBOE Futures Exchange
  • Google Finance
  • Google Trends
  • NASDAQ
  • OANDA
  • OSU Financial data
  • Quandl
  • St Louis Federal
  • Yahoo Finance

地质学

  • USGS Earthquake Archives
  • Smithsonian Institution Global Volcano and Eruption Database

GeoSpace/GIS

  • BODC - marine data of ~22K vars
  • Cambridge, MA, US, GIS data on GitHub
  • EOSDIS - NASAs earth observing system data
  • Factual Global Location Data
  • Geo Spatial Data from ASU
  • GeoNames Worldwide
  • Global Administrative Areas Database (GADM)
  • Landsat 8 on AWS
  • Natural Earth - vectors and rasters of the world
  • OpenStreetMap (OSM)
  • TIGER/Line - U.S. boundaries and roads
  • TwoFishes - Foursquares coarse geocoder
  • TZ Timezones shapfiles
  • World countries in multiple formats
  • List of all countries in all languages
  • OpenAddresses

政府

  • Austin, TX, US
  • Australia (abs.gov.au)
  • Australia (data.gov.au)
  • Austria (data.gv.at)
  • Brazil
  • Cambridge, MA, US
  • Canada
  • Chicago
  • Dallas Open Data
  • Denver Open Data
  • Durham, NC Open Data
  • England LGInform
  • EuroStat
  • FedStats
  • Finland
  • France
  • Germany
  • Glasgow, Scotland, UK
  • Guardian world governments
  • Houston Open Data
  • Indian Government Data
  • Indonesian Data Portal
  • London Datastore, UK
  • Los Angeles Open Data
  • MassGIS, Massachusetts, U.S.
  • Mexico
  • Netherlands
  • New Zealand
  • NYC betanyc
  • NYC Open Data
  • OECD
  • Oklahoma
  • Open Government Data (OGD) Platform India
  • Rio de Janeiro, Brazil
  • Romania
  • San Francisco Data sets
  • Seattle
  • Singapore Government Data
  • South Africa
  • Switzerland
  • The World Bank
  • Texas Open Data
  • Puerto Rico Government
  • U.K. Government Data
  • Uruguay
  • U.S. American Community Survey
  • U.S. CDC Public Health datasets
  • U.S. Census Bureau
  • U.S. National Center for Education Statistics (NCES)
  • U.S. Department of Housing and Urban Development (HUD)
  • U.S. Federal Government Agencies
  • U.S. Federal Government Data Catalog
  • U.S. Food and Drug Administration (FDA)
  • U.S. Open Government
  • UK 2011 Census Open Atlas Project
  • United Nations
  • Vancouver, BC Open Data Catalog

医疗保健

  • EHDP Large Health Data Sets
  • Gapminder World, demographic databases
  • Medicare Coverage Database (MCD), U.S.
  • Medicare Data Engine of medicare.gov Data
  • Medicare Data File
  • Number of Ebola Cases and Deaths in Affected Countries (2014)

图像处理

  • 10k US Adult Faces Database
  • 2GB of Photos of Cats (Original down - 20Agst2015)
  • Stanford Dogs Dataset
  • The Oxford-IIIT Pet Dataset
  • Animals with attributes
  • Affective Image Classification
  • Face Recognition Benchmark
  • ImageNet (in WordNet hierarchy)
  • International Affective Picture System, UFL
  • Massive Visual Memory Stimuli, MIT
  • SUN database, MIT
  • YouTube Faces Database
  • Indoor Scene Recognition

机器学习

  • Delve Datasets for classification and regression (Univ. of Toronto)
  • Discogs Monthly Data
  • eBay Online Auctions (2012)
  • IMDb Database
  • Keel Repository for classification, regression and time series
  • Lending Club Loan Data
  • Machine Learning Data Set Repository
  • Million Song Dataset
  • More Song Datasets
  • MovieLens Data Sets
  • RDataMining - "R and Data Mining" ebook data
  • Registered Meteorites on Earth
  • Restaurants Health Score Data in San Francisco
  • UCI Machine Learning Repository
  • Yahoo! Ratings and Classification Data

博物馆

  • Cooper-Hewitts Collection Database
  • Minneapolis Institute of Arts metadata
  • Tate Collection metadata
  • The Getty vocabularies
  • Rijksmuseum Historical Art Collection

自然语言

  • Blogger Corpus
  • ClueWeb09 FACC
  • ClueWeb12 FACC
  • DBpedia - 4.58M things with 583M facts
  • Flickr Personal Taxonomies
  • Google Books Ngrams (2.2TB)
  • Google Web 5gram (1TB, 2006)
  • Gutenberg eBooks List
  • Hansards text chunks of Canadian Parliament
  • Machine Translation of European languages
  • SMS Spam Collection in English
  • SaudiNewsNet Collection of Saudi Newspaper Articles (Arabic, 30K articles)
  • USENET postings corpus of 2005~2011
  • Wikidata - Wikipedia databases
  • Wikipedia Links data - 40 Million Entities in Context
  • WordNet databases and tools

物理学

  • CERN Open Data Portal
  • NSSDC (NASA) data of 550 space spacecraft
  • NASA Exoplanet Archive
  • Sloan Digital Sky Survey (SDSS) - Mapping the Universe

心理学/认知

  • OSU Cognitive Modeling Repository Datasets

公共领域

  • Amazon
  • Archive.org Datasets
  • CMU JASA data archive
  • CMU StatLab collections
  • Data360
  • Datamob.org
  • Google
  • Infochimps
  • KDNuggets Data Collections
  • Microsoft Azure Data Market Free DataSets
  • Numbray
  • Reddit Datasets
  • RevolutionAnalytics Collection
  • Sample R data sets
  • Stats4Stem R data sets
  • StatSci.org
  • The Washington Post List
  • UCLA SOCR data collection
  • UFO Reports
  • Wikileaks 911 pager intercepts
  • Yahoo Webscope

搜索引擎

  • Academic Torrents of data sharing from UMB
  • Archive-it from Internet Archive
  • Datahub.io
  • DataMarket (Qlik)
  • Freebase.com of people, places, and things
  • Harvard Dataverse Network of scientific research data

以上数据集覆盖了多个领域,为研究和开发提供了丰富的资源。

搜集汇总
数据集介绍
main_image_url
构建方式
Awesome Public Datasets 是一个收集和整理公共数据集的列表,数据来源包括博客、回答和用户响应等。该数据集的构建主要通过网络爬虫和手动整理相结合的方式完成。
使用方法
用户可以通过数据集的GitHub页面浏览和下载所需的数据集。每个数据集通常包含详细的描述信息,包括数据集的来源、大小、格式和用途等。用户需要根据自身的研究需求,选择合适的数据集进行下载和使用。
背景与挑战
背景概述
awesome-public-datasets是一个由sindresorhus维护的GitHub列表,该列表收集和整理了来自博客、回答和用户响应的公共数据集。这些数据集大多数是免费的,但也有一些不是。该列表的目的是为了方便研究人员和开发者快速找到并使用这些公共数据集,从而推动开源数据共享文化的普及。自创建以来,它已经成为数据科学和机器学习社区中一个重要的资源库。
当前挑战
尽管awesome-public-datasets为研究者提供了丰富的数据资源,但在使用这些数据集时也面临着一些挑战。首先,数据集的质量和准确性需要进一步验证,因为它们来自多个不同的来源。其次,数据集的整合和标准化也是一个挑战,因为每个数据集的格式和结构可能不同,这给数据的处理和分析带来了困难。最后,随着数据集的不断增多,如何有效地索引和检索这些数据集也成为一个挑战。
常用场景
经典使用场景
该数据集主要被用于搜集和整理公共数据源,其经典使用场景包括作为数据集导航和索引,方便用户快速定位和访问所需的公共数据集。
解决学术问题
该数据集解决了学术研究中数据获取和整理的难题,提供了丰富的数据资源链接,有助于研究者在各自领域内找到合适的数据集,促进了学术研究的进展。
实际应用
在实际情况中,该数据集被广泛应用于数据分析、机器学习、数据挖掘等多个领域,为研究者提供了实验和验证模型的数据基础。
数据集最近研究
最新研究方向
该数据集涵盖了多个领域的大量公共数据集,近期研究方向主要聚焦于数据挖掘、机器学习、自然语言处理等领域。研究者和开发者利用这些数据集进行模型训练、算法验证以及热点事件分析,以推动相关技术的发展和应用。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作