06-可用数据集

原文：https://www.analyticsvidhya.com/blog/2018/03/comprehensive-collection-deep-learning-datasets/?spm=a2c4e.11153959.blogcont576274.69.16b330274pLaMG源：全球人工智能在本文中，我们列出了一些高质量的数据集，每个深度学习爱好者都可以使用并改善改进他们模型的

人脸识别数据集    https://www.msceleb.org/download/cropped MS-Celeb-1M  将近10万人 https://github.com/deepinsight/insightface/wiki/Dataset-Zoo   人脸属性分析 数据集   活体检测： ...

公司内部就有数据集 百度，数据接口 数据集 学习阶段可用的数据集 sklearn kaggle 大数据竞赛平台 UCI sklearn pip是一个以Python计算机程序语言写成的软件包管理系统，他可以安装和管理软件包，另外不少的软件包也可以在“Python软件包索引”（英语：Python Package Index，简称PyPI）中找到。 pip3就是Python3的pip。 先安...

scikit-learn网址：http://scikit-learn.org/stable/datasets/index.html#fdatasets。sklearn.datasets.load_boston( ）加载并返回波士顿房价数据集。sklearn.datasets.load_iris( ） 加载并返回鸢尾花数据集。Kaggle网址：https://www.kaggle.com/datasets。UCI数据集网址：http://archive.ics.uci.edu/ml/

本文介绍机器学习过程中一个可用的小型数据集

由于要做僵尸网络检测的工作，但是没有相关数据，需要搜集相关数据集进行算法的验证，通过调研，发现CTU-13数据集开源，且进行了处理分析，减少了数据处理的一些工作，比如对流数据进行了聚合，生成双向流数据文件，也就是后面要用到的文件。这个语句直接到相应的网址去下载数据，并且是dataframe格式化的，很好，这就是我想要的。scenario_1是第一个僵尸网络场景的数据，数据量和数据集描述中一致。对CTU-13数据集的描述的翻译，这使得后面对这份数据集的理解更加容易。具体的也可以看下不同类型数据的占比。

sklearn 中的数据集 Scikit-learn 提供了大量用于测试学习算法的数据集。它们有三种口味： 打包数据：这些小数据集与 scikit-learn 安装一起打包，可以使用 scikit-learn 中的工具下载sklearn.datasets.load_* 可下载的数据：这些较大的数据集可供下载，scikit-learn 包含简化此过程的工具。这些工具可以在sklearn.datasets.fetch_* 生成的数据：有几个数据集是从基于随机种子的模型生成的。这些可以在sklearn

网络安全领域中基于PCAP流量的数据集 MAWI Working Group Traffic Archive URL：http://mawi.wide.ad.jp/mawi/ CIC dataset Canadian Institute for Cybersecurity datasets are used around the world by universities, private...