用于neural network训练的数据集

我正在寻找一些相对简单的数据集来testing和比较不同的人工neural network训练方法。 我希望数据不会花费太多的预处理来将其转换为input和输出列表（标准化为0-1）的input格式。 任何链接赞赏。

Answer 1

为什么不尝试像sin函数那样简单的训练数据呢？ 既然你正在比较训练方法，并不真正关心你正在训练networking，它应该可以工作，而且很容易生成训练数据。

使用sin（x）训练networking，其中x是input，输出是函数的值。 在你的情况下一个额外的好处是结果的绝对值已经在0-1的范围内。 它同样适用于其他mathfunction。

Answer 2

https://archive.ics.uci.edu/ml是加州大学尔湾分校的机器学习数据库。; 这是一个非常好的资源，我相信它们都是CSV文件。

Answer 3

有些资源是

• sinCfunction。

  +---- | sin(x) | ------- when x != 0 | x sinC = | | | 1 otherwise +---- 

• sin(x)函数作为@adrianbanks告诉。

• 为了testing一些新的修改某些algorithm的旧n-paritytesting。

• 虹膜数据集，semeion手写数字数据集等，还有其他function和更多。

• UCI机器学习库： archive.ics.uci.edu/ml/datasets.html

• 这里是另一个有许多回归数据集的资源： http://www.dcc.fc.up.pt/~ltorgo//Regression/DataSets.html 。 您将从UCI ML知识库中获得许多这些信息。
• 您可以从https://www.kaggle.com/获取各种实用数据集的数据集。;

我不认为你需要大量的预处理。 就像分类variables一样，您可以使用GUI文本编辑器快速replace二进制文件。 例如， 鲍鱼数据集有一个分类属性Gender，男性有三个“M”，女性有“F”，婴儿有“I”。 您可以在文本编辑器中按Ctrl + R，并用1,0,0replace所有出现的“M”，所有出现的“F”用0,1,0和所有出现的“I”用0,0,1 （考虑到文件是CSV格式）。 这将快速replace分类variables。

如果你在R中 ，那么你可以使用RSNNS软件包附带的normalizeData函数来扩展和规范你的数据在0和1。

如果你在其他环境如八度或matlab ，你可以花一些时间写你的代码。 我不知道在这些环境中可用的function，我使用我的代码来缩放和/或标准化数据。

当您使用function时，您的工作变得更容易，一旦您准备好数据，将修改的数据保存在文件中。

记住一件事，培训neural network的目标不仅仅是训练networking，使其在某个训练集上运行良好。 主要目标是训练networking，使其对networking没有看到的（直接或间接）新数据具有最佳的误差。

Answer 4

http://neuroph.sourceforge.net/sample_projects.html有很多示例项目和着名的数据。;

Answer 5

以下是一些用于培训目的的手写和其他数据库。

http://www.cs.nyu.edu/~roweis/data.html

作为一个有趣的方面说明，〜roweis在2010年与妻子战斗后自杀身亡： http ://www.huffingtonpost.com/2010/01/14/sam-roweis-nyu-professor-_n_421500.html。

Answer 6

通过使用它们来执行OCR（光学字符识别），我学习了人工neural network作为本科生。 我认为这是一个很好的用例。

扫描两页文本，提取字母并形成训练/testing数据集（例如，8×8像素导致64个input节点），标记数据。 训练ANN并使用testing数据集获得分数。 更改networking拓扑/参数并调整networking以获得最佳分数。