99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁(yè)精彩閱讀從小白到進(jìn)階 | 10 個(gè)適合數(shù)據(jù)人練手的 Kaggle 數(shù)據(jù)集
從小白到進(jìn)階 | 10 個(gè)適合數(shù)據(jù)人練手的 Kaggle 數(shù)據(jù)集
2022-08-24
收藏

CDA數(shù)據(jù)分析師 出品

作者：Andrew Lombarti

編譯：Mika

Kaggle 是一個(gè)很流行的數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái)。在上面，你不僅可以參加各種數(shù)據(jù)分析題競(jìng)賽，還可以通過(guò)各行業(yè)的真實(shí)數(shù)據(jù)集來(lái)實(shí)踐自己的技能。

在本文中我們將介紹 10 個(gè)數(shù)據(jù)集，從適合新手小白到高級(jí)進(jìn)階人群的都有。這些數(shù)據(jù)集非常有趣，而且還很適合在面試前練習(xí)技能。

下面讓我們一起來(lái)看看吧！

01、泰坦尼克號(hào)數(shù)據(jù)集（初級(jí)）

泰坦尼克號(hào)數(shù)據(jù)集是 Kaggle 上最熱門的數(shù)據(jù)集之一。這是一個(gè)很好的入門數(shù)據(jù)集，當(dāng)中涉及到 13 個(gè)變量和超過(guò) 1500 個(gè)記錄。該數(shù)據(jù)集中包含了乘坐泰坦尼克號(hào)的乘客信息。

目標(biāo)是根據(jù)乘客的特征來(lái)預(yù)測(cè)他們是否能幸存下來(lái)。根據(jù)數(shù)據(jù)集，你可以看到已婚女性比單身男性有更高的存活概率。

該數(shù)據(jù)集中的變量有：

  • 年齡
  • 性別
  • 已婚或單身
  • 船票等級(jí)（一等、二等、三等）
  • 上船地點(diǎn)（倫敦、南安普敦）
  • 乘客票號(hào)
  • ……

關(guān)于如何處理這個(gè)數(shù)據(jù)集，網(wǎng)上已經(jīng)有很多教程了。如果你想挑戰(zhàn)一下自己，不妨試著預(yù)測(cè)乘客在不同地點(diǎn)登船的存活率。

泰坦尼克號(hào)數(shù)據(jù)集鏈接：

https://www.kaggle.com/c/titanic

02、鳶尾花數(shù)據(jù)集（初級(jí)）

這個(gè)數(shù)據(jù)集是一個(gè)經(jīng)典的二進(jìn)制分類問(wèn)題。目的是通過(guò)花萼長(zhǎng)度，花萼寬度等屬性預(yù)測(cè)鳶尾花屬于（Setosa(山鳶尾)，Versicolour(雜色鳶尾)，Virginica(維吉尼亞鳶尾)）三個(gè)種類中的哪一類。

例如，山鳶尾的花瓣較短，萼片較寬。假如花瓣長(zhǎng)度大于 3 厘米，萼片小于 6 厘米，那么這種花很可能屬于山鳶尾。

此數(shù)據(jù)集中的變量如下：

  • 花瓣長(zhǎng)度
  • 萼片寬度
  • 花瓣長(zhǎng)度
  • ……

同樣有許多可用于處理該數(shù)據(jù)集的教程。其中最流行的是“在鳶尾花數(shù)據(jù)集上使用Scikit-learn”。對(duì)于初學(xué)者來(lái)說(shuō)，這是一個(gè)非常好的教程，當(dāng)中因展示了如何使用Scikit-learn ，還具有預(yù)構(gòu)建的功能，能幫你輕松地訓(xùn)練模型。

鳶尾花數(shù)據(jù)集鏈接：

https://www.kaggle.com/uciml/iris

03、列車數(shù)據(jù)集（初級(jí)）

列車數(shù)據(jù)集也是 Kaggle 上很熱門的一個(gè)數(shù)據(jù)集。該數(shù)據(jù)集包含了乘坐往返于波士頓和華盛頓特區(qū)的美鐵列車上的乘客信息。

目的是預(yù)測(cè)乘客是否會(huì)在某站下車。根據(jù)數(shù)據(jù)集，可以看到在巴爾的摩下車的乘客比在費(fèi)城下車的乘客下車的概率更高。

數(shù)據(jù)集中的變量如下：

  • 年齡
  • 軌道類型（公路、貨運(yùn)）
  • 周末或節(jié)假日
  • ……

根據(jù)這些變量，有多種方法可以預(yù)測(cè)某人是否會(huì)在某站下車。

列車數(shù)據(jù)集鏈接：

https://www.kaggle.com/c/train-occupancy-prediction/data

04、波士頓住房數(shù)據(jù)集（初級(jí)）

波士頓住房數(shù)據(jù)集包含波士頓市住房的信息。當(dāng)中有超過(guò) 20 萬(wàn)條記錄和 18 個(gè)變量，目標(biāo)是預(yù)測(cè)房?jī)r(jià)是否昂貴。數(shù)據(jù)集有三個(gè)不同的類別，分別是：昂貴、正常以及便宜。

當(dāng)中的變量包括：

  • 臥室數(shù)量
  • 浴室數(shù)量
  • 平均房間數(shù)
  • ……

如果你對(duì)數(shù)據(jù)科學(xué)領(lǐng)域感興趣，這個(gè)數(shù)據(jù)集是一個(gè)很好的嘗試。內(nèi)容有趣而且不是太難。

波士頓住房數(shù)據(jù)集鏈接：

https://www.kaggle.com/c/boston-housing

05、酒精與藥物關(guān)系（中級(jí)）

酒精和藥物關(guān)系數(shù)據(jù)集是練習(xí)數(shù)據(jù)可視化技能的絕佳數(shù)據(jù)集。它包含關(guān)于不同藥物之間相互作用的信息。

該數(shù)據(jù)集的目標(biāo)是根據(jù)兩種藥物的化學(xué)結(jié)構(gòu)，從而預(yù)測(cè)它們是否會(huì)相互作用。例如，數(shù)據(jù)集中表示布洛芬和撲熱息痛可以相互作用，因?yàn)樗鼈兌际强寡姿帲∟SAIDs）。

數(shù)據(jù)集中的變量包括：

  • 藥物 A 結(jié)構(gòu)（化合物）
  • 藥物 B 結(jié)構(gòu)（化合物）
  • 藥物 A 和 B 活性（是/否）
  • ……

這是一個(gè)很好的數(shù)據(jù)集，可以用來(lái)練習(xí)數(shù)據(jù)可視化技能。你可以在當(dāng)中試著創(chuàng)建圖表，顯示不同藥物之間的相互作用。

酒精與藥物數(shù)據(jù)集鏈接：

https://www.kaggle.com/jessicali9530/kuc-hackathon-winter-2018

06、威斯康辛州乳腺癌（中級(jí)）

對(duì)于那些在數(shù)據(jù)科學(xué)方面比較有經(jīng)驗(yàn)的人來(lái)說(shuō)，威斯康星州乳腺癌數(shù)據(jù)集是一個(gè)很大的挑戰(zhàn)。這個(gè)數(shù)據(jù)集包含了威斯康星州的乳腺癌患者的信息。

該數(shù)據(jù)集的目標(biāo)是根據(jù)病人的特征來(lái)預(yù)測(cè)是否患有癌癥。

例如，你可以從數(shù)據(jù)集中看到，腫瘤大小若小于 0.50 厘米，患者有 98% 的生存機(jī)會(huì)，而腫瘤大小大于或等于 0.80 厘米，患者只有15%的生存機(jī)會(huì)。

數(shù)據(jù)集中的變量有：

  • 腫瘤大小
  • 腫瘤的等級(jí)
  • 影響到的淋巴結(jié)
  • ……

網(wǎng)上有一些關(guān)于如何處理這個(gè)數(shù)據(jù)集的教程。如果你想挑戰(zhàn)下自己，可以嘗試預(yù)測(cè)不同腫瘤大小的生存率。

威斯康星州乳腺癌數(shù)據(jù)集鏈接：

https://www.kaggle.com/uciml/breast-cancer-wisconsin-data

07、印第安人糖尿?。ㄖ屑?jí))

這個(gè)數(shù)據(jù)集是關(guān)于預(yù)測(cè)糖尿病的。這個(gè)比賽有超過(guò) 15 萬(wàn)個(gè)例子，你需要預(yù)測(cè)病人是否會(huì)患糖尿?。ǘ诸悾?。

變量相當(dāng)簡(jiǎn)單，因?yàn)橹挥幸粋€(gè)特征：

  • 糖尿病

這項(xiàng)挑戰(zhàn)的目標(biāo)是預(yù)測(cè)病人在五年內(nèi)是否會(huì)發(fā)展成糖尿病。這是練習(xí)二元分類問(wèn)題技能的好方法。

印第安人糖尿病數(shù)據(jù)集鏈接：

https://www.kaggle.com/uciml/pima-indians-diabetes-database

08、亞馬遜評(píng)論數(shù)據(jù)集（中級(jí)）

亞馬遜評(píng)論數(shù)據(jù)集很適合練習(xí)文本分析。當(dāng)中包含了對(duì)亞馬遜網(wǎng)站上產(chǎn)品的評(píng)論。

這個(gè)數(shù)據(jù)集很有趣，當(dāng)中有正面和負(fù)面評(píng)論，數(shù)據(jù)集的目標(biāo)是預(yù)測(cè)評(píng)論是正面還是負(fù)面的。

變量有：

  • 評(píng)論文本（一個(gè)字符串）

關(guān)于如何處理這個(gè)數(shù)據(jù)集，也有很多教程。如果想加大難度，你可以嘗試預(yù)測(cè)情感分析，然后在此基礎(chǔ)上建立模型。

亞馬遜評(píng)論數(shù)據(jù)集鏈接：

https://www.kaggle.com/bittlingmayer/amazonreviews

09、MNIST手寫數(shù)字圖像識(shí)別(高級(jí))

該數(shù)據(jù)集包含了很多手寫體數(shù)字圖像，當(dāng)中由大小為 28x28 像素的圖像組成，有 6 萬(wàn)個(gè)訓(xùn)練實(shí)例和 1 萬(wàn)個(gè)測(cè)試實(shí)例。

該數(shù)據(jù)集的目標(biāo)是對(duì)訓(xùn)練集和測(cè)試集中的所有數(shù)字進(jìn)行正確分類。對(duì)于這種類型的問(wèn)題，通常要使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）。

網(wǎng)上有很多關(guān)于如何處理這類問(wèn)題的教程，所以我建議你先從基礎(chǔ)知識(shí)開(kāi)始，然后再繼續(xù)學(xué)習(xí)更高級(jí)的方法。

MNIST手寫數(shù)字?jǐn)?shù)據(jù)集鏈接：

https://www.kaggle.com/c/digit-recognizer

10、CIFAR-100(高級(jí))

CIFAR-100 數(shù)據(jù)集非常適合練習(xí)機(jī)器學(xué)習(xí)的技能。該數(shù)據(jù)集包含了 100 張物體的圖像，分為六個(gè)類別：飛機(jī)、汽車、貓、鹿、狗和船。每張圖片是 32x32 像素，有三個(gè)顏色通道（紅、綠、藍(lán)）。

該數(shù)據(jù)的目標(biāo)是預(yù)測(cè)每張圖片屬于這六類中的哪一類。

數(shù)據(jù)集中的變量有：

  • 像素
  • 紅色通道
  • 綠色通道
  • 藍(lán)色通道
  • ……

有很多關(guān)于如何應(yīng)對(duì)這一挑戰(zhàn)的教程。想加大難度的話，嘗試預(yù)測(cè)以某種方式扭曲或變換的圖像標(biāo)簽。

CIFAR-100 數(shù)據(jù)集鏈接：

https://www.kaggle.com/fedesoriano/cifar100

結(jié)語(yǔ)：

本文中列出的 10 個(gè)數(shù)據(jù)集能很好地磨練你的數(shù)據(jù)分析技能。如果你是剛剛?cè)腴T，可以先試著做一些比較簡(jiǎn)單的數(shù)據(jù)集，由淺到難，不斷深入進(jìn)階。

參考鏈接：

https://towardsdatascience.com/10-datasets-from-kaggle-you-should-practice-on-to-improve-your-data-science-skills-6d671996177

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn)：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }