20 个入门 ML 优质公开数据集清单:从 CIFAR-10 到 HumanEval
cneuralnetwork · x · 2026-11-07
一份按任务分类的公开数据集清单,适合作为第一个正经 ML 项目练手:
- 图像分类:CIFAR-10;目标检测:COCO;语义分割:Cityscapes
- 文本分类:AG News;情感分析:IMDb Reviews;命名实体识别:CoNLL-2003;机器翻译:WMT;问答:SQuAD 2.0
- 语音识别:Mozilla Common Voice;推荐系统:MovieLens;时间序列预测:M4
- 欺诈检测:Credit Card Fraud Detection (ULB);表格分类:Adult Census Income;异常检测:MVTec AD
- 医学图像分割:BraTS;图神经网络:OGB;强化学习:Minari;代码生成:HumanEval;人体活动识别:UCI HAR;预测性维护:NASA C-MAPSS
作者建议:选定任务后,先建基线、再迭代改进,并把全过程记录成文档。
「研究」频道最新
- 「生成漂移」是不是 AI 的根本缺陷?Reddit 引发可靠性争论 — Peacefulhuman1009 · 2026-11-07
- ICLR 审稿人建议：反驳 nitpicking 要引用原文具体回击 — brunofmr · 2026-11-07
- CIKM 2026 开设 Agentic Search 教程：覆盖 RL 优化与深度研究评估 — mrdrozdov · 2026-11-07
- METR 报告被大量涂黑，但公开数据交叉验证：Anthropic 的 AI 自加速大概率属实 — ben_j_todd · 2026-11-07
- 验证过完备分布式表示的干扰预测，ICLR 新版将扩充更多模型 — Rasmic · 2026-11-07
- 「权重空间编程」会是超dstion？开发者押注它成前沿模型标配能力 — jm_alexia · 2026-11-07