搜索大数据的网站,数据量大的网站是,搜索大数据的网站,数据量大的网站是什么
点击上方“Python人工智能编程”，精选“星星”微信官方账号超级无敌干货，将尽快发货！一、数据查询网站
1.企业生成的用户数据
百度指数：http://index.baidu.com/
阿里指数：https://alizs.taobao.com/
腾讯浏览指数：http://tbi.tencent.com/TBI
新浪指数：http://data.weibo.com/index,微博
2.数据平台购买数据。
数据大厅：
http://www.datatang.com/about/about-us.html
中国的云数据市场：
http://www.moojnn.com/data-market/
贵阳大数据交易所：
http://trade.gbdex.com/trade.web/index.jsp
3.政府/机构发布的数据
中华人民共和国(中国)国家统计局数据：
http://data.stats.gov.cn/index.htm
世界银行公开数据：
http://data.worldbank.org.cn/
联合国数据：http://data.un.org/
纳斯达克：http://www.nasdaq.com/zh
4.数据管理咨询公司
麦肯锡：http://www.mckinsey.com.cn/
埃森哲：https://www.accenture.com/cn-zh/
http://www.iresearch.com.cn/艾瑞
二、简单通用数据集
1.中国国家统计局
(http://data.stats.gov.cn/)
2.美国政府公开数据。
(https://www.data.gov/)
这是美国政府公开数据的位置。该网站包含超过190，000个数据点。这些数据集不同于气候、教育、能源、金融和许多其他领域的数据集。
3.印度政府公布数据。
(https://data.gov.in/)
这是印度政府公开数据的位置。你可以通过各种行业、气候、医疗等寻找数据，在这里找到一些启发。根据你居住的国家，你也可以从其他网站浏览类似的网站。
4.世界银行
(http://data.worldbank.org/)
世界银行的公开数据。该平台提供多种工具，如开放数据目录、世界发展指数和教育指数。
5.击球跑垒得分
(https://rbi.org.in/Scripts/Statistics.aspx)
印度储备银行提供的数据。这包括货币市场运行、国际收支、银行使用和一些产品的几个指标。
三、大型数据集
1、亚马逊网络服务-数据集
(https://aws.amazon.com/cn/datasets/)
亚马逊提供了一些大型数据集，可以在他们的平台上使用，也可以在本地电脑上使用。还可以通过EMR使用EC2和Hadoop来分析云中的数据。亚马逊上流行的数据集包括完整的安然电子邮件数据集、谷歌图书n-gram、NASA NEX数据集、百万首歌曲数据集等。
2、谷歌数据集
(https://cloud.google.com/bigquery/public-data/)
谷歌提供了一些数据集作为其大型查询工具的一部分。包括GitHub公共数据库的数据，黑客新闻的所有故事和评论。
3、Youtube标记的视频数据集
(https://research.google.com/youtube8m/)
四、预测建模与机器学习数据集
1、UC-机器学习-知识库
(https://archive.ics.uci.edu/ml/datasets.html)
UCI机器学习图书馆显然是最著名的数据仓库。如果你正在寻找与机器学习知识库相关的数据集，它通常是第一个去的地方。这些数据集包括各种数据集，从Iris和Titanic这样的流行数据集到最近的贡献，如空气质量和GPS轨迹。该存储库包含350多个类似域名的数据集(分类/回归)。您可以使用这些过滤器来确定您需要的数据集。
2、卡格尔
https://www.kaggle.com/datasets
Kaggle提出了一个平台，人们可以贡献数据集，其他社区成员可以投票并运行内核/脚本。它们总共有350多个数据集，33，354个有200多个特征数据集。虽然有些初始数据集通常出现在其他地方，但我在平台上看到了一些有趣的数据集，而不是出现在其他地方。除了新的数据集，该界面的另一个好处是您可以在同一个界面上看到来自社区成员的脚本和问题。
3、分析——vid hya
(https://datahack.analyticsvidhya.com/contest/all/)
您可以参与并下载我们的实践问题和黑客马拉松问题的数据集。问题数据集基于真实的行业问题，并且相对较小，因为它们意味着2-7天的黑客马拉松。
4、Quandl
https://www.quandl.com/
Quandl通过网站、API或一些工具的直接集成，提供来自不同来源的金融、经济和替代数据。他们的数据集分为开放和付费。所有开放数据集都是免费的，但高级数据集需要付费。你仍然可以通过搜索找到平台上的高质量数据集。例如，印度的股票交易数据是免费的。
过去的KDD杯
(http://www.kdd.org/kdd-cup)
KDCUP是由ACM特别兴趣小组组织的年度数据挖掘和知识发现竞赛。
五、图像分类数据集
1、MNIST数据库
(http://yann.lecun.com/exdb/mnist/)
最流行的图像识别数据集使用手写数字。它包括60，000个示例和10，000个示例的测试集。这通常是图像识别的第一个数据集。
2、字符74K
(http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/)
这是进化的下一个阶段，如果你已经通过了手写数字。这个数据集包括自然图像中的字符识别。数据集包含74，000幅图像，因此数据集的名称。
3、正面人脸图像
(http://vasc . ri . CMU . edu//IDB/html/face/frontier _ images/index . html)
如果你已经完成了前两个项目，并且能够识别数字和字符，这就是图像识别中的下一个挑战级别——正面人脸图像。这些图片由CMU麻省理工学院收集，并被整理在四个文件夹中。
4、ImageNet
(http://image-net.org/)
现在是时候构建一些通用的东西了。根据WordNet层级组织的图像数据库(目前只是一个名词)。层次结构中的每个节点都由数百幅图像描述。目前，这个集合中每个节点平均有超过500张图片(并且还在增加)。
六、文本分类数据集
1、垃圾邮件——非垃圾邮件
(http://www.esp.uem.es/jmgomez/smsspamcorpus/)
区分短信是不是垃圾短信是一个有趣的问题。你需要建立一个分类器来对短信进行分类。
2、推特情感分析
(http://think nook . com/Twitter-情感-分析-训练-语料库-数据集-2012-09-22/)
这个数据集包含1，578，627条分类的推文，每条推文都标有1条正面情绪和0条负面情绪。数据依次基于Kaggle竞争和Nick Sanders的分析。
3、电影评论数据
(http://www.cs.cornell.edu/People/pabo/movie-review-data/)
这个网站提供了一系列的影评文件，上面标注了他们的整体情感极性(正面或负面)或主观评价(例如《两星半》)，以及他们的主观状态(主观或客观)或极性的标签。
七、推荐引擎数据集
1、电影镜头
(https://grouplens.org/)
MovieLens是一个帮助人们寻找电影的网站。它有成千上万的注册用户。他们进行自动内容推荐、推荐界面、基于标签的推荐页面等线上实验。这些数据集可以下载并用于创建您自己的推荐系统。
小丑
(http://www.ieor.berkeley.edu/~s贤橘/杰斯特-数据/)
在线笑话推荐系统。
资料来源：Pythonlx
3354———END33543354—推荐阅读：Python实战练习：两种轻松破解网站反爬虫的方法Python自动操作Word！帮你解放双手！用Python做一个游戏助手脚本。用Python给女朋友翻译化妆品标签。用Python写一个疫苗信息管理系统。最近采访了BAT，整理了一个Python文档《Python学习手册》，内容涉及Python知识点，人工智能，深度学习，机器学习等各个方面。获取方式：关注微信官方账号，回复Python即可获取。更多的内容将陆续提供。我觉得很好。点击“观看”转发。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。