通过从各种年龄组（年轻人，中年人和老年人），种族组（白人，黑人和亚洲人）的面部图像中随机抽取B，G，R值以及从FERET数据库和PAL数据库获得的性别来收集皮肤数据集。 。学习样本总量为245057; 其中50859是皮肤样本，194198是非皮肤样本。 资源内包括数据集图片下载地址和对应的标注标签文档。

UCI-公开数据集.rar

资源为搜集到的43个UCI数据集，文件都是mat格式方便使用，文件详情可查看本人博客。

15个UCI标称型数据集；可用作分类；聚类算法；分为两部分： 1）预处理之前（before）; 2）已经做完预处理（after）。

UCI-HAR-数据集 UCI-HAR数据预处理 原始数据集以及项目描述和确认可从以下网站获取： : 数据集包含从Samsung Galaxy S智能手机的加速度计收集的数据。 上面的python脚本包含将原始数据转换为最终整齐数据集的代码行 Python脚本执行以下操作： 合并训练和测试集以创建一个数据集。 仅提取每个测量的均值和标准差的测量值。 使用描述性活动名称来命名数据集中的活动 用描述性变量名称适当地标记数据集。 根据步骤4中的数据集，创建第二个独立的整洁数据集，其中包含每个活动和每个主题的每个变量的平均值。

UCI机器学习社区的葡萄酒品质评估数据，包含三个文件：winequality-red.csv、winequality-white.csv、以及winequality.names。其中，前两个csv文件为白葡萄酒和红葡萄酒的样本数据，最后一个维数据的说明文件。

一个适合做聚类的uci数据集

UCI Iris数据集.zip

源自UCI的iris数据集，并进行了整理，按照Iris-setosa、Iris-versicolor、Iris-virginica属性分成三类，每一类有四个属性：花萼长、花萼宽、花瓣长、花瓣宽四个属性，每一类50个样本，一共150个样本。并按照OVO策略拆分成三组数据。

这里面是机器学习里面聚类所需的数据集，分为人工的二维数据集，如月牙形，双螺旋型等，和UCI真实数据集，是我搜集好久才弄出来的，有一些二维数据集是自己生成的，提供给大家做算法实验。