垃圾分类数据集 含：xml、txt格式（图片和标注各1377张） 标注类别： paper products（纸制品，任何纸盒子和报纸） plastics：（塑料类：饮料瓶、塑料袋、塑料泡沫等） glass（玻璃类：玻璃瓶、白炽灯泡、碎玻璃、其他玻璃制品。） metals（金属罐（如易拉罐）、金属盒、其他金属制品） kitchen waste（厨余垃圾：食物，水果，鲜花） WPD这个用大写（未破带：凡是用垃圾袋装着其他垃圾的都标WPD，这个不用标plastics） cloth（布料，布袋子，衣服，布制品）

让我们从具有Amazon产品评论的数据集开始，构建结构化的类：6个“级别1”类，64个“级别2”类和510个“级别3”类。探索用于分层文本分类的各种方法。 train_40k.csv unlabeled_150k.csv val_10k.csv

您可以使用本数据集从严格的制图变量（与遥感数据相反）中预测森林覆盖类型（主要的树种）。给定的30 x 30米单元的实际森林覆盖类型是根据美国森林服务（USFS）区域2资源信息系统数据确定的。然后，从美国地质调查局和USFS获得的数据中得出自变量。数据为原始格式（未缩放），包含用于定性自变量（例如荒野和土壤类型）的二进制数据列。 sampleSubmission.csv test3.csv train.csv

AG数据集：新闻主题分类数据集，用于文本分类。

SVM是用来解决分类问题的，如果解决两个变量的分类问题，可以理解成用一条直线把点给分开，完成分类

内容：常用高光谱分类数据集，包括常用的Indian pines\KSC\Purdue\DC\HOUSTON\Botswana\Salinas等，基本上写论文是够用的公开数据集； 使用方法：格式全部为mat格式，可以在Python和Matlab上使用； 使用建议：建议使用不同传感器的数据集来验证自己分类方法的有效性。

适用于中文中长文本分类 原始数据集和已经划分的数据集已给出 划分的数据集经过数据预处理，删除了其中的重复文本，以及文本长度小于50的句子，最终构造的平衡语料 训练集 5800 测试集 1000条 验证集1000 （正负评论各站一半）

适合初学深度学习分类的人群，采用自定义的数据集进行训练与测试。

电影评论数据作为训练数据集. 其中, 训练数据集20000条(正负向各10000条); 测试数据集6000条(正负向各3000条)。造福没有积分的宝宝。资源来自于https://www.ctolib.com/lxw0109-ChineseSentimentAnalysis.html

羊驼与非羊驼分类数据集（羊驼142、非羊驼185张），JPEG图像（小体量）数据集用于将图像分类为“羊驼”和“非羊驼” 羊驼与非羊驼分类数据集（羊驼142、非羊驼185张），JPEG图像（小体量）数据集用于将图像分类为“羊驼”和“非羊驼”