[[331549]]

無論是做數據分析，數據挖掘還是機器學習，對于新手來說，學習再多的模型、算法理論，可能都不如一次實踐學到的多，所以我經常建議大家在學習的過程中多通過實戰項目練練手，加強對算法、模型的理解。

要練手上哪找數據呢？平常我做的分析實戰里都會把數據集提供給大家練習，今天我干脆為大家整理了我平常做數據分析、數據挖掘練習的時候經常用到的數據集網站，對做機器學習的朋友也很有用

簡單、公開的數據集

先分享一些科研機構、企業、政府會開放的一些數據集和一些專業的數據下載網站。這些數據集一般都比較完善、質量相對較高，拿到手數據清洗的工作比較少，適合新手做一些簡單基礎的分析

1、中國統計信息網：http://www.tjcn.org/

全國各級政府各年度的國民經濟和社會發展統計信息，部分數據免費

2、國家統計局:http://www.stats.gov.cn/

各種民生相關的統計數據，而且所有數據都是免費，而且這個網站的友情鏈接里還有很多其他地方的數據以及國外數據。

3、中國產業信息網：
http://www.chyxx.com/data/

包含了各個行業相關的數據，所有的數據全部免費，做行業分析經常用到的

4、美國政府公開數據：https://www.data.gov/

美國政府公開數據的網站，包含了經濟、消費、教育、醫療、農業等多個領域的數據

5、世界銀行：
https://data.worldbank.org/

世界銀行的開放數據。平臺還提供了一些工具，比如開放數據目錄，世界發展指數，教育指數等。

6、百度數據開放平臺：
https://open.baidu.com/open/#/open

7、國云數據市場：https://link.zhihu.com/?target=
http%3A//www.moojnn.com/data-market/

主要包含：生活服務、教育、能源、建筑、交通運輸、政府、金融、農業、醫療、衛生等行業的數據，大部分免費，有些需要付費

數據可視化項目數據集

最常見的數據可視化項目就是制作某某地區人均收入區別的信息圖，找數據可視化項目相關的數據集的時候，我們希望數據集盡量“干凈”，減少數據清洗的工作，數據要足夠有趣，能夠支撐起豐富的圖表，所以這類的數據可以去上面我的說一些公開數據網站找，另外我也列一些除了政府網站之外的相關網站：

1、FiveThirtyEight：
http://fivethirtyeight.com/

這是互動式新聞與體育賽事的網站，網站中會發布許多數據相關的文章，這些文章中會把使用到的數據集發布在github上，除了獲取數據集，你還可以參考別人的項目過程

2、Socrata OpenData：
https://opendata.socrata.com/

Socrata OpenData 網站包含多個清洗后的數據集，可以直接在瀏覽器中查看，也可以下載到本地進行可視化，大部分數據來源于美國政府。

數據建模、機器學習的數據集

1、UCI：
https://archive.ics.uci.edu/ml/datasets.html

UCI是加州大學歐文分校開放的經典數據集，是機器學習領域最有名的數據存儲庫。包含各種數據集，比如經典的泰坦尼克號幸存預測到最新的數據（如空氣質量和GPS軌跡）。

2、阿里天池：
https://tianchi.aliyun.com/

作為國內互聯網龍頭阿里巴巴旗下的大數據競賽網站，提供了很多比賽數據集可以練手，說不定還能順手拿個獎，賺點獎金

3、Kaggle：
https://www.kaggle.com/datasets

Kaggle 是一個舉辦了多項機器學習競賽的數據科學社區。用戶可以自己上傳數據集，也可以通過某項競賽下載數據集，里面有不少別的平臺找不到的有趣數據集。

4、科賽網：
https://www.kesci.com/home/project

這個網站提供了不少數據集可以免費下載，而且還有一些數據項目的比賽，不過整體來說項目的難度比較低，獎金也不是很多，學生參加的比較多，反正單純用來獲取數據集還是很不錯的

5、Quandl

這是一個包含經濟與金融數據的倉庫。其中的部分信息是免費的，但是大部分數據集需要購買，數據可以用來構建經濟指標預測或者股價分析模型等等。

大型數據集

有時候你可能只是想找一些大型的數據集來進行分析，分析的結果可能并不重要，重要的只是對于數據的讀取與分析過程，練習數據處理能力，這里我也列舉幾個用的比較多的網站：

1、AWS 公開數據集：
https://www.amazon.com/aws

亞馬遜在其 Amazon Web Services 中提供了一些大型數據集可以免費下載，不過你得注冊一個aws賬戶，新用戶有免費訪問的權限

2、Google 公開數據集：
https://cloud.google.com/bigquery/public-data/

Google提供了一些數據集作為其Big Query工具的一部分。包括 GitHub 公共資料庫的數據，Hacker News 的所有故事和評論。

3、youtube標簽視頻數據集
:https://research.google.com/youtube8m/

youtube標簽視頻數據集包括來自4800個可視化實體的800萬個youtube視頻ID和相關標簽。它具有數十億幀的預計算的、最先進的視覺功能。