今天从开源中国社区上看见了N多Google APIs。 咱们都知道不管是做机器学习、数据挖掘、推荐系统、社交网络挖掘分析、多媒体（图像、视频）以及基于地理信息的一些研究等等，甚至长文本短文本的研究。这些东西理论是一个方面，总一个方面就是怎么找到一个最能代表实际的数据集来验证你的方法或者模型？ 做图像的知道Flickr的API挺好用的，可以抓取一些图像以及文本 tag信息等用于自己的实验数据，而且social media越来越流行。 我还暂时没想好这些google api如何去用，但是总感觉很珍贵，不管对于研究者还是开发者...

QQ群里有人分享，我这里贴一下。有人说数据堂存在版权问题，版权是个大问题，有的话需要注意了。 数据堂（http://www.datatang.com/）是国内专业的科研数据服务网站，致力于为国内外高等院校、科研机构、研发企业及相关科研人员提供各个科研或应用方向需求的数据及增值服务。 本着支撑科学研究，助力企业研发的原则。数据堂在严格遵守知识产权的相关规定的前提下，始终以“专业、权威、易用”作为科研数据服务的核心。 数据堂与相关研究机构、高等院校、科研组织通力合作，并在国家相关部门的大力支持下，积累了丰富...

UC Irvine Machine Learning Repository：UCI指的是加州大学欧文分校。UCI机器学习库主要是收集的机器学习领域的一些相关数据集和数据生成器，可以用来做一些基本的实验。存档是创建为大卫阿哈和加州大学欧文分校研究员在1987年研究生FTP文件。自那时以来，它已被广泛用于学生，教育工作者，和其他研究机器学习的研究者，作为一个数据来源。 UCI数据集 的说明 告诉了读者 数据的属性和类别，用户可以用自己的数据挖掘方法去将 uci数据集的分类，将结果与数据说明的结果对比。说明自己算法的正确性。 连接地址：h...

1、气候监测数据集 http://cdiac.ornl.gov/ftp/ndp026b 2、几个实用的测试数据集下载的网站 http://www.cs.toronto.edu/~roweis/data.html http://www.cs.toronto.edu/~roweis/data.html http://kdd.ics.uci.edu/summary.task.type.html http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-20/www/data/ http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/ http://www.phys.uni.torun.pl/~duch/software.html 在下面的网址可以找到reuters数据集http://www.research.att.com/~lewis/reuters21...

1. OHSUMED数据集介绍 本实验中采用OHSUMED测试数据集合(其也被用于第9 届国际文本检索竞赛TREC9 的文档过滤子竞赛)。OHSUMED 数据集合由William Hersh和他的同事们一起建立，其文档来源于医药信息数据库MEDLINE10，它包含了从1987 年到1991 年五年间270 个医药类杂志的标题和/或摘要，包含了348566个文档。一个OHSUMED 文档由8 个域组成，含义如下： z .I 文章的OHSUMED 序列号，从1 到348566 z .U MEDLINE 标识 z .S 文章来源 z .M MeSH 索引词 z .T 文章标题 z .P 文章类型 z .W 文章摘要 z .A 文章作者 OHSUME...

http://www.keyanshequ.com/thread-620-1-1.html 人脸数据库汇总■Annotated Database (Hand, Meat, LV Cardiac, IMM face) (http://www2.imm.dtu.dk/~aam/) ■AR Face Database (http://cobweb.ecn.purdue.edu/~aleix/aleix_face_DB.html) ■BioID Face Database (http://www.bioid.com/downloads/facedb/index.php) ■Caltech Computational Vision Group Archive (Cars, Motorcycles, Airplanes, Faces, Leaves, Background) (http://www.vision.caltech.edu/html-files/archive.html) ■Carnegie Mellon Image Data...