b站菊安酱机器学习配套数据集

数据集 此存储库包含用于下载，预处理和数字化流行的机器学习数据集的脚本。 在整个项目中，我通常会发现自己重写了相同的代码行以标准化，规范化或其他化数据，对分类变量进行编码，解析出要素的子集以及其他杂项。 为了减轻重复使用的麻烦，此存储库使用了模板样式的定义，该定义用于应如何解析数据集，而库则负责其余部分。 对于加载数据，它支持numpy.genfromtxt可以使用和arff任何内容（来自 ）。 为了处理数据，在utils/scale.py和utils/preprocess.py有许多流行的scikit-learn preprocessing转换器的包装器。 主要的魔力可以在utils/handler.py找到； 在底部，提供了示例模板。 参数为： 争论 描述 header 标题行是否存在（将被删除） include 只加载指定的列 label 标签索引 norm unit

家用电耗的测量 该分配使用来自UC Irvine机器学习存储库的数据，该库是机器学习数据集的流行存储库。 特别是，我们将使用我在课程网站上提供的“个人家庭用电量数据集”：数据集：电力消耗[20Mb]描述：测量一个家庭中一个家庭的电力消耗-在近4年内的分钟采样率。 提供不同的电量和一些子计量值。 数据集中9个变量的以下描述来自UCI网站：日期：日期格式为dd / mm / yyyy时间：时间格式为hh：mm：ss Global_active_power：家庭全球分钟平均有功功率（千瓦） ）Global_reactive_power：家庭全球分钟平均无功功率（以千瓦为单位）电压：分钟平均电压（以伏特为单位）Global_intensity：家庭全球分钟平均无功电流（以安培为单位）Sub_metering_1：1号电能子计量表（以瓦特为单位）小时的有功电能）。 它对应于厨房，主要包含洗碗机，烤箱

机器学习的数据集，预测医疗花费，一共是1070行，7列。即7个属性，分别是年龄、性别、bmi指数、孩子个数、是否吸烟、地区、医疗花费。

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。

航班数据集flights.csv .该文件统计了从1949年到1960年的航班信息，主要是每月登机人数，文件列名分别如下year，month，passengers

DGA恶意域名数据集，可以用于深度学习网络训练集，笔者用于基于注意力机制LSTM的DGA恶意域名检测

Feature selector一个用于减少机器学习数据集维数的工具

包含常用UCI标准测试数据集。

机器学习数据集