机器学习数据集整理：图像、表格

前言

如果你对这篇文章感兴趣，可以点击「【访客必读 - 指引页】一文囊括主页内所有高质量博客」，查看完整博客分类与对应链接。

表格数据

• Sklearn 提供了 13 个表格型数据，且数据处理接口统一；
• LIBSVM 提供了 131 个表格型数据，整体数据格式比较统一；
• UCI 提供了 565 个表格型数据，但未提供统一的数据集处理接口；
  • 或许可使用该仓库的代码进行统一处理：ucimlrepo
• OpenML 提供了 5393 个表格型数据，且数据可按照下述代码统一处理：

import openmlopenml.config.apikey = "your api key"dataset_id = 43466
dataset = openml.datasets.get_dataset(dataset_id, download_all_files=False)
X, y, _, _ = dataset.get_data(target=dataset.default_target_attribute)print(dataset.description)
print(X.shape, X.columns)
print(len(y), y.name)

图像数据

• torchvision 提供了大量图像数据集，包括 37 个图像分类数据集；
• huggingface 包含大量图像数据集，其中图像分类至少有 636 个，并提供了统一的数据集调用接口；
• deeplake 提供了 1262 个图像数据集，有统一的数据集下载接口；
• UCI 中包含 4 个较小的图像数据集。