UCI Steel Plates Faults Data Set：该数据集包含了7种带钢缺陷类型。这个数据集不是图像数据，而是带钢缺陷的28种特征数据，可用于机器学习项目。

UCI Adult 数据集原始数据

UCI数据集 UCI库url: https://archive.ics.uci.edu/ml/index.php

数据集预处理 流行数据集的预处理（目前来自UCI存储库）。 这些方法包括： 一键编码分类变量 数值变量的最小-最大缩放范围为[0，1] 生成元数据信息： 样品数 功能数量 变量类型 一键编码字典 类名 还包括用于下载数据集并使用默认参数进行预处理的脚本。 先决条件 该项目是使用python 2.7.12和以下软件包开发的： numpy == 1.15.1 scikit学习== 0.19.2 scipy == 1.1.0 仅在下载和提取压缩文件内容时才需要这样做： wget == 3.2 xlrd == 1.1.0 用pip安装： pip install -r requirements.txt

Heart Disease UCI数据集，关于该数据集的详细信息可以参考文章：https://blog.csdn.net/didi_ya/article/details/120196857

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。 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。 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-干豆子数据DryBean（自我处理过，含分析）

包含《 UCI数据分析2020-2021》的作业

pima_diabetes:预测21岁以上的Pima女性受试者的糖尿病。 通过UCI机器学习可获得的数据

共含22个数据集，全都采自权威数据集网站UCI，文件名格式： 数据集名称+样本数量+特征个数+class个数