国科大2020年刘莹数据挖掘大作业 天体光谱数据分类。我们小组是利用resnet对一维光谱数据进行分类。压缩包里面有我们的实验报告，应该还算是挺详细的

国标

其数据来源是wine的物理化学相关领域的信息。使用方法是SVM。

是全国草地数据详细分类图，是以shp格式进行显示，相关信息可以查看论文

Python实现鸢尾花数据集分类问题——使用LogisticRegression分类器

针对非平衡数据分类问题,提出了一种改进的SVM-KNN分类算法,在此基础上设计了一种集成学习模型。该模型采用限数采样方法对多数类样本进行分割,将分割后的多数类子簇与少数类样本重新组合,利用改进的SVM-KNN分别训练,得到多个基本分类器,对各个基本分类器进行组合。采用该模型对UCI数据集进行实验,结果显示该模型对于非平衡数据分类有较好的效果。

该数据集根据EEG 脑电仪检测的数据对眼睛状态进行分类。眼 睛有两种状态（类别），分别是睁眼 （eye-open ）和闭眼 （eye-closed）。该数据集共有14980 条数据，每条数据包含 15 项内容：第1 项~第14 项是特征值，第15 项是类别标号（分别 是0 和1，其中：0 代表睁眼，1 代表闭眼）。

@python,sklearn,svm,遥感数据分类,代码实例 python_sklearn_svm遥感数据分类代码实例 （1）svm原理简述 支持向量机（Support Vector Machine，即SVM）是包括分类（Classification）、回归(Regression)和异常检测(Outlier Detection)等一系列监督学习算法的总称。对于分类，SVM最初用于解决二分类问题，多分类问题可通过构建多个SVM分类器解决。SVM具有两大特点：1.寻求最优分类边界，即求解出能够正确划分训练数据集并且几何间隔最大的分离超平面，这是SVM的基本思想；2.基于核函数的扩维变换，即通过核

bp神经网络实现的iris数据分类，UCI上下载的iris数据，适当调整误差精度，分类正确率可达到99%

工件的裂纹图像，工业数据集，不错的测试资源，可结合物体检测使用