这是VLDB 2018的best paper，强烈推荐，在快速训练集方面非常有用！

主要介绍了用pandas划分数据集实现训练集和测试集，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

中国交通 标志 C CTSDB数据集训练集2-2，里面 有800个 选项 一半 是txt，文件 中存一半数据图片

香港城市大学语料库（1 772 202 字，训练集和测试集），文字是繁体的

该文件主要将训练集转换成voc格式，很多深度学习框架都是用VOC数据集格式，例如YOLO。 一般voc解压出来后都包括Annotations, ImageSets, JPEFImages, SegmentationClass , SegmentationObject;详情见链接https://blog.csdn.net/tttabcgy/article/details/80191889

简单清洗过的金庸全集TXT格式，可做语言模型的训练集，

此 Matlab 函数可用于将任何给定的人脸（图像）数据集随机拆分为训练集和测试集。 该函数考虑类/人员标签。 例如，在ORL人脸数据集中，有40个人每个人有10张图像； 该函数可以将每个人的10张图片随机分割成5张训练图片和5张测试图片，如下： load ORL_FaceDataSet % 上传到这里[训练集测试集]=Split_DataSet(ORL_FaceDataSet, 10, 5, 5); 请注意，您可以选择不同数量的训练和测试图像。

由于某些原因，书籍的数据不好下载，特上传csdn供下载。机器学习实战笔记（蜥蜴书2版）所用训练集数据。

标签标记器 用于在机器学习中标记训练集标签的小工具 安装 Git在您的系统中克隆此存储库。 安装python3，django 输入三进制的根路径，执行：sh django_server_start.sh 输入 ，尽情享受吧！ 如何使用 像这样的首页： 您可以手动标记网页中设置的训练，而不是其他方式。 它可以提高您的效率，并且您可以将此页面共享给其他人。 就像“众包”。 未标记的数据将随机出现，可以保证标记的数据均匀。 这是标记的数据计数，您可以对其进行概述： 用户唯一要做的就是单击单选按钮，然后单击提交按钮，新标记的数据将附加在label_data / label_data.tx

数据挖掘、机器学习、AI所用到的测试训练集