UCI machine learning repositoryで公開されているデータセットの一覧をご紹介する。英語での要約(abstract)をgoogle翻訳を使用させていただき機械的に翻訳したものを掲載した。データセットのサンプルを探す参考にしていただければ幸いだ。

掲載内容は2017年3月28日の情報で、データセット数は360である。

3D Road Network (North Jutland, Denmark)
3D road network with highly accurate elevation information (+-20cm) from Denmark used in eco-routing and fuel/Co2-estimation routing algorithms.
エコルーティングと燃料/ Co2推定ルーティングアルゴリズムで使用されるデンマークからの高度の高度情報(+ 20cm)を備えた3D道路ネットワーク。

AAAI 2013 Accepted Papers
This data set compromises the metadata for the 2013 AAAI conference’s accepted papers (main track only), including paper titles, abstracts, and keywords of varying granularity.
このデータセットは、2013年のAAAI会議で承認された論文(メイントラックのみ)のメタデータを妥協させるもので、紙のタイトル、抄録、さまざまな粒度のキーワードが含まれます。

AAAI 2014 Accepted Papers
This data set compromises the metadata for the 2014 AAAI conference’s accepted papers, including paper titles, authors, abstracts, and keywords of varying granularity.
このデータセットは、2014年のAAAI会議で受け入れられた論文(論文タイトル、著者、抄録、さまざまな粒度のキーワードなど)のメタデータを妥協するものです。

Abalone
Predict the age of abalone from physical measurements
アワビの年齢を物理的測定から予測する

Abscisic Acid Signaling Network
The objective is to determine the set of boolean rules that describe the interactions of the nodes within this plant signaling network. The dataset includes 300 separate boolean pseudodynamic simulations using an asynchronous update scheme.
目的は、このプラントシグナリングネットワーク内のノードの相互作用を記述するブールルールのセットを決定することです。このデータセットには、非同期更新スキームを使用した300個のブール擬似動的シミュレーションが含まれています。

Activities of Daily Living (ADLs) Recognition Using Binary Sensors
This dataset comprises information regarding the ADLs performed by two users on a daily basis in their own homes.
このデータセットは、2人のユーザが自分の家で毎日実行するADLに関する情報を含んでいます。

Activity Recognition from Single Chest-Mounted Accelerometer
The dataset collects data from a wearable accelerometer mounted on the chest. The dataset is intended for Activity Recognition research purposes.
データセットは、胸に装着された装着型加速度計からデータを収集します。このデータセットは、活動認識研究のためのものです。

Activity Recognition system based on Multisensor data fusion (AReM)
This dataset contains temporal data from a Wireless Sensor Network worn by an actor performing the activities: bending, cycling, lying down, sitting, standing, walking.
このデータセットには、ベンディング、サイクリング、横たわる、座っている、立っている、歩く、アクティビティを実行する俳優が着用するワイヤレスセンサネットワークからの時間データが含まれています。

Acute Inflammations
The data was created by a medical expert as a data set to test the expert system, which will perform the presumptive diagnosis of two diseases of the urinary system.
データは、エキスパートシステムをテストするためのデータセットとして医療専門家によって作成され、エキスパートシステムは、泌尿器系の2つの疾患の推定診断を実行する。

Adult
“Predict whether income exceeds $50K/yr based on census data. Also known as “”Census Income”” dataset.”
国勢調査データに基づいて所得が$ 50K /年を超えるかどうかを予測する。 「Census Income」データセットとも呼ばれます。

Air Quality
Contains the responses of a gas multisensor device deployed on the field in an Italian city. Hourly responses averages are recorded along with gas concentrations references from a certified analyzer.
イタリアの都市でフィールドに展開されたガスマルチセンサーデバイスの応答を含みます。時間応答の平均値は、認定された分析装置からのガス濃度基準と共に記録される。

Airfoil Self-Noise
NASA data set, obtained from a series of aerodynamic and acoustic tests of two and three-dimensional airfoil blade sections conducted in an anechoic wind tunnel.
NASAのデータセットは、無響風風洞で行われた2次元および3次元翼断面の一連の空力的および音響的試験から得られたものです。

Amazon Access Samples
Amazon’s InfoSec is getting smarter about the way Access data is leveraged. This is an anonymized sample of access provisioned within the company.
AmazonのInfoSecは、データにアクセスする方法についてよりスマートになっています。これは、会社内でプロビジョニングされたアクセスの匿名化されたサンプルです。

Amazon book reviews
213.335 book reviews for 8 different books. There are books which are scored very negatively in general and books which are scored very positively.
この本の中身を閲覧する:非常に否定的に評価された本や、非常に積極的に評価された本があります。

Amazon Commerce reviews set
The dataset is used for authorship identification in online Writeprint which is a new research field of pattern recognition.
このデータセットは、パターン認識の新しい研究分野であるオンラインライトプリントの原作者識別に使用されます。

Annealing
Steel annealing data
鋼製焼鈍データ

Anonymous Microsoft Web Data
Log of anonymous users of www.microsoft.com; predict areas of the web site a user visited based on data on other areas the user visited.
www.microsoft.comの匿名ユーザーのログ。ユーザが訪問した他のエリアのデータに基づいて、ユーザが訪れたウェブサイトのエリアを予測する。

Arcene
ARCENE’s task is to distinguish cancer versus normal patterns from mass-spectrometric data. This is a two-class classification problem with continuous input variables. This dataset is one of 5 datasets of the NIPS 2003 feature selection challenge.
ARCENEの仕事は、癌対正常パターンを質量分析データと区別することです。これは、連続入力変数を持つ2クラスの分類問題です。このデータセットは、NIPS 2003の機能選択の課題の5つのデータセットの1つです。

Arrhythmia
Distinguish between the presence and absence of cardiac arrhythmia and classify it in one of the 16 groups.
心不整脈の有無を区別し、16のグループの1つに分類する。

Artificial Characters
Dataset artificially generated by using first order theory which describes structure of ten capital letters of English alphabet
英語アルファベットの大文字10文字の構造を記述する一次理論を用いて人為的に生成されたデータセット

Audiology (Original)
Nominal audiology dataset from Baylor
ベイラーの名目聴覚データセット

Audiology (Standardized)
Standardized version of the original audiology database
元の聴覚データベースの標準化されたバージョン

Australian Sign Language signs
This data consists of sample of Auslan (Australian Sign Language) signs. Examples of 95 signs were collected from five signers with a total of 6650 sign samples.
このデータはAuslan(Australian Sign Language)の標本で構成されています。 5つの署名者から合計95個の署名サンプルを用いて、95個の署名の例を収集した。

Australian Sign Language signs (High Quality)
This data consists of sample of Auslan (Australian Sign Language) signs. 27 examples of each of 95 Auslan signs were captured from a native signer using high-quality position trackers
このデータはAuslan(Australian Sign Language)の標本で構成されています。高品質のポジショントラッカーを使用して、ネイティブの署名者からキャプチャされた95のAuslan看板の27の例

Auto MPG
Revised from CMU StatLib library, data concerns city-cycle fuel consumption
CMU StatLibライブラリから改訂され、都市サイクルの燃料消費に関するデータ

Automobile
From 1985 Ward’s Automotive Yearbook
1985ワードの自動車年鑑から

AutoUniv
AutoUniv is an advanced data generator for classifications tasks. The aim is to reflect the nuances and heterogeneity of real data. Data can be generated in .csv, ARFF or C4.5 formats.
AutoUnivは分類タスクのための高度なデータジェネレータです。実際のデータのニュアンスと異質性を反映することが目的です。データは.csv、ARFFまたはC4.5形式で生成できます。

Bach Choral Harmony
The data set is composed of 60 chorales (5665 events) by J.S. Bach (1675-1750). Each event of each chorale is labelled using 1 among 101 chord labels and described through 14 features.
このデータセットは、J.S.の60のチャ록(5665のイベント)で構成されています。バッハ(1675-1750)。各合唱団の各イベントは、101のコードラベルのうち1つを使用してラベル付けされ、14の特徴によって記述される。

Bach Chorales
Time-series data based on chorales; challenge is to learn generative grammar; data in Lisp
コーラスに基づく時系列データ。挑戦は生得的な文法を学ぶことです。 Lispのデータ

Badges
“Badges labeled with a “”+”” or “”-“” as a function of a person’s name”
人の名前の関数として「+」または「 – 」と表示されたバッジ

Bag of Words
This data set contains five text collections in the form of bags-of-words.
このデータセットには、単語の集まりの形式で5つのテキストコレクションが含まれています。

Balance Scale
Balance scale weight & distance database
スケールの重量と距離のデータベースのバランスをとる

Balloons
Data previously used in cognitive psychology experiment; 4 data sets represent different conditions of an experiment
以前は認知心理学実験で用いられたデータ。 4つのデータセットは実験のさまざまな条件を表します

Bank Marketing
The data is related with direct marketing campaigns (phone calls) of a Portuguese banking institution. The classification goal is to predict if the client will subscribe a term deposit (variable y).
このデータは、ポルトガルの銀行機関のダイレクトマーケティングキャンペーン(電話)に関連しています。分類の目標は、クライアントが定期預金(変数y)をサブスクライブするかどうかを予測することです。

banknote authentication
Data were extracted from images that were taken for the evaluation of an authentication procedure for banknotes.
銀行券の認証手続きの評価のために撮影された画像からデータを抽出した。

Bike Sharing Dataset
This dataset contains the hourly and daily count of rental bikes between years 2011 and 2012 in Capital bikeshare system with the corresponding weather and seasonal information.
このデータセットには、2011年から2012年の間のレンタルバイクの時間と日数が、対応する天気情報と季節情報を含むCapital bikeshareシステムに含まれています。

BlogFeedback
Instances in this dataset contain features extracted from blog posts. The task associated with the data is to predict how many comments the post will receive.
このデータセットのインスタンスには、ブログ投稿から抽出された機能が含まれています。データに関連するタスクは、投稿が受け取るコメントの数を予測することです。

BLOGGER
In this paper, we look for to recognize the causes of users tend to cyber space in Kohkiloye and Boyer Ahmad Province in Iran
本稿では、イランのKohkiloyeとBoyer Ahmadのサイバー空間に慣れているユーザの原因を認識するために検討する

Blood Transfusion Service Center
Data taken from the Blood Transfusion Service Center in Hsin-Chu City in Taiwan — this is a classification problem.
台湾の新竹市の血液輸血サービスセンターから取得したデータ – これは分類の問題です。

Breast Cancer
Breast Cancer Data (Restricted Access)
乳がんのデータ(アクセス制限)

Breast Cancer Wisconsin (Diagnostic)
Diagnostic Wisconsin Breast Cancer Database
診断ウィスコンシン乳癌データベース

Breast Cancer Wisconsin (Original)
Original Wisconsin Breast Cancer Database
元ウィスコンシン乳癌データベース

Breast Cancer Wisconsin (Prognostic)
Prognostic Wisconsin Breast Cancer Database
予後ウィスコンシン乳癌データベース

Breast Tissue
Dataset with electrical impedance measurements of freshly excised tissue samples from the breast.
乳房から新たに切除された組織試料の電気インピーダンス測定値を用いたデータセット。

Buzz in social media
This data-set contains examples of buzz events from two different social networks: Twitter, and Tom’s Hardware, a forum network focusing on new technology with more conservative dynamics.
このデータセットには、2つの異なるソーシャルネットワークからのバズイベントの例が含まれています:Twitter、より保守的なダイナミクスを備えた新技術に焦点を当てたフォーラムネットワークであるTom’s Hardware。

CalIt2 Building People Counts
This data comes from the main door of the CalIt2 building at UCI.
このデータは、UCIのCalIt2ビルのメインドアからのものです。

Car Evaluation
Derived from simple hierarchical decision model, this database may be useful for testing constructive induction and structure discovery methods.
このデータベースは、単純な階層的意思決定モデルから導出され、建設的誘導および構造発見方法のテストに有用である可能性があります。

Cardiotocography
The dataset consists of measurements of fetal heart rate (FHR) and uterine contraction (UC) features on cardiotocograms classified by expert obstetricians.
データセットは、専門の産科医によって分類された心電図上の胎児心拍数(FHR)および子宮収縮(UC)の特徴の測定からなる。

Census Income
“Predict whether income exceeds $50K/yr based on census data. Also known as “”Adult”” dataset.”
国勢調査データに基づいて所得が$ 50K /年を超えるかどうかを予測する。 「アダルト」データセットとも呼ばれます。

Census-Income (KDD)
This data set contains weighted census data extracted from the 1994 and 1995 current population surveys conducted by the U.S. Census Bureau.
このデータセットには、米国国勢調査局が実施した1994年および1995年の現在の人口調査から抽出された重み付けされた国勢調査データが含まれています。

Challenger USA Space Shuttle O-Ring
Task: predict the number of O-rings that experience thermal distress on a flight at 31 degrees F given data on the previous 23 shuttle flights
タスク:前回23回のシャトルフライトで31度Fのフライトで熱遭難を経験したOリングの数を予測

Character Trajectories
Multiple, labelled samples of pen tip trajectories recorded whilst writing individual characters. All samples are from the same writer, for the purposes of primitive extraction. Only characters with a single pen-down segment were considered.
個々の文字を書きながらペン先の軌道の複数のラベル付きサンプルが記録されます。すべてのサンプルは、基本的な抽出の目的で、同じライターからのものです。 1つのペン・ダウン・セグメントを含む文字のみが考慮された。

Chess (Domain Theories)
6 different domain theories for generating legal moves of chess
チェスの法的移動を生成するための6つの異なるドメイン理論

Chess (King-Rook vs. King)
Chess Endgame Database for White King and Rook against Black King (KRK).
ホワイトキングとルークブラックキング(KRK)のためのチェスエンドゲームデータベース。

Chess (King-Rook vs. King-Knight)
Knight Pin Chess End-Game Database Creator
ナイトピンチェスエンドゲームデータベースクリエイター

Chess (King-Rook vs. King-Pawn)
King+Rook versus King+Pawn on a7 (usually abbreviated KRKPA7).
キング+ルーク対キング+ポーンa7(通常は略称KRKPA7)。

Chronic_Kidney_Disease
This dataset can be used to predict the chronic kidney disease and it can be collected from the hospital nearly 2 months of period.
このデータセットは、慢性腎疾患を予測するために使用することができ、ほぼ2ヶ月間病院から収集することができます。

Climate Model Simulation Crashes
Given Latin hypercube samples of 18 climate model input parameter values, predict climate model simulation crashes and determine the parameter value combinations that cause the failures.
18の気候モデルの入力パラメータ値のラテンハイパーキューブサンプルを与え、気候モデルシミュレーションのクラッシュを予測し、失敗を引き起こすパラメータ値の組み合わせを決定する。

Cloud
Little Documentation
リトルドキュメンテーション

CMU Face Images
This data consists of 640 black and white face images of people taken with varying pose (straight, left, right, up), expression (neutral, happy, sad, angry), eyes (wearing sunglasses or not), and size
このデータは、様々な姿勢(ストレート、左、右、上)、表現(ニュートラル、ハッピー、悲しい、怒っている)、目(サングラスを着用しているか否か)、およびサイズ

CNAE-9
This is a data set containing 1080 documents of free text business descriptions of Brazilian companies categorized into a subset of 9 categories
これは、ブラジルの企業の9つのカテゴリのサブセットに分類されたフリーテキストビジネス記述の1080文書を含むデータセットです

Coil 1999 Competition Data
This data set is from the 1999 Computational Intelligence and Learning (COIL) competition. The data contains measurements of river chemical concentrations and algae densities.
このデータセットは、1999年の計算知能と学習(COIL)の競争の結果です。データには、河川の化学濃度および藻類の濃度の測定値が含まれています。

Combined Cycle Power Plant
The dataset contains 9568 data points collected from a Combined Cycle Power Plant over 6 years (2006-2011), when the plant was set to work with full load.
このデータセットには、プラントが最大負荷で動作するように設定された6年(2006〜2011年)にわたるコンバインドサイクル発電所から収集された9568のデータポイントが含まれています。

Communities and Crime
Communities within the United States. The data combines socio-economic data from the 1990 US Census, law enforcement data from the 1990 US LEMAS survey, and crime data from the 1995 FBI UCR.
米国内のコミュニティ。このデータは、1990年米国国勢調査の社会経済データ、1990年米国LEMAS調査の法執行データ、1995年FBI UCRの犯罪データを組み合わせたものです。

Communities and Crime Unnormalized
Communities in the US. Data combines socio-economic data from the ’90 Census, law enforcement data from the 1990 Law Enforcement Management and Admin Stats survey, and crime data from the 1995 FBI UCR
米国のコミュニティ。データは、’90年国勢調査の社会経済データ、1990年法執行管理および管理者統計の捜査データ、1995年FBI UCRの犯罪データ

Computer Hardware
Relative CPU Performance Data, described in terms of its cycle time, memory size, etc.
相対的なCPUパフォーマンスデータ(サイクルタイム、メモリサイズなど)

Concrete Compressive Strength
Concrete is the most important material in civil engineering. The concrete compressive strength is a highly nonlinear function of age and ingredients.
コンクリートは土木工学において最も重要な材料です。具体的な圧縮強度は、年齢および成分の非常に非線形な関数である。

Concrete Slump Test
Concrete is a highly complex material. The slump flow of concrete is not only determined by the water content, but that is also influenced by other concrete ingredients.
コンクリートは非常に複雑な材料です。コンクリートのスランプフローは含水量によって決まるだけでなく、他のコンクリート成分の影響も受けます。

Condition Based Maintenance of Naval Propulsion Plants
Data have been generated from a sophisticated simulator of a Gas Turbines (GT), mounted on a Frigate characterized by a COmbined Diesel eLectric And Gas (CODLAG) propulsion plant type.
ガスタービン(GT)の洗練されたシミュレータからデータを生成しました。このシミュレータは、ディーゼルエンジンおよびCODLAG推進システムを特徴とするフリゲートに搭載されています。

Congressional Voting Records
1984 United Stated Congressional Voting Records; Classify as Republican or Democrat
1984年の議会投票記録共和党または民主党に分類する

Connect-4
Contains connect-4 positions
接続4ポジションを含む

Connectionist Bench (Nettalk Corpus)
“The file “”nettalk.data”” contains a list of 20,008 English words, along with a phonetic transcription for each word. The task is to train a network to produce the proper phonemes”
“ファイル “”nettalk.data””には、20,008の英語単語のリストと、各単語の表音文字列が含まれています。課題は、適切な音素を生成するようにネットワークを訓練することです”

Connectionist Bench (Sonar, Mines vs. Rocks)
The task is to train a network to discriminate between sonar signals bounced off a metal cylinder and those bounced off a roughly cylindrical rock.
ネットワークを鍛えて、金属シリンダーから飛び散ったソナー信号と、ほぼ円筒形の岩石から跳ね返ったソナー信号を区別することです。

Connectionist Bench (Vowel Recognition – Deterding Data)
Speaker independent recognition of the eleven steady state vowels of British English using a specified training set of lpc derived log area ratios.
スピーカーは、英国英語の11個の定常状態母音を、lpc派生対数面積比の指定された訓練セットを用いて独立して認識した。

Contraceptive Method Choice
Dataset is a subset of the 1987 National Indonesia Contraceptive Prevalence Survey.
データセットは、1987年の全国インドネシア避妊罹患率調査のサブセットです。

Corel Image Features
This dataset contains image features extracted from a Corel image collection. Four sets of features are available based on the color histogram, color histogram layout, color moments, and co-occurence
このデータセットには、Corelイメージコレクションから抽出されたイメージフィーチャが含まれています。カラーヒストグラム、カラーヒストグラムのレイアウト、カラーモーメント、および同時発生に基づいて、4セットの機能が利用可能です

Covertype
Forest CoverType dataset
森林カバータイプデータセット

Credit Approval
This data concerns credit card applications; good mix of attributes
このデータはクレジットカードアプリケーションに関係します。属性の良い組み合わせ

Cuff-Less Blood Pressure Estimation
This Data set provides preprocessed and cleaned vital signals which can be used in designing algorithms for cuff-less estimation of the blood pressure.
このデータセットは、前処理された、きれいにされた重要な信号を提供し、血圧をカフレスで推定するためのアルゴリズムを設計する際に使用できます。

Cylinder Bands
“Used in decision tree induction for mitigating process delays known as “”cylinder bands”” in rotogravure printing”
輪転グラビア印刷における「シリンダーバンド」として知られているプロセス遅延を緩和するための決定木誘導に使用される

Daily and Sports Activities
The dataset comprises motion sensor data of 19 daily and sports activities each performed by 8 subjects in their own style for 5 minutes. Five Xsens MTx units are used on the torso, arms, and legs.
データセットは、毎日19の運動センサデータと、それぞれ8人の被験者が独自のスタイルで5分間行ったスポーツ活動からなる。胴体、腕、脚には5つのXsens MTxユニットが使用されています。

Daphnet Freezing of Gait
This dataset contains the annotated readings of 3 acceleration sensors at the hip and leg of Parkinson’s disease patients that experience freezing of gait (FoG) during walking tasks.
このデータセットには、歩行作業中に歩行の凍結(FoG)を経験したパーキンソン病患者の股関節および脚に3つの加速度センサの注釈付き読み取り値が含まれています。

Dataset for ADL Recognition with Wrist-worn Accelerometer
Recordings of 16 volunteers performing 14 Activities of Daily Living (ADL) while carrying a single wrist-worn tri-axial accelerometer.
16人のボランティアが毎日の生活(ADL)のアクティビティを実行し、手首に装着された3軸加速度計を1つ持ちながら録音しました。

Dataset for Sensorless Drive Diagnosis
Features are extracted from motor current. The motor has intact and defective components. This results in 11 different classes with different conditions.
機能はモータ電流から抽出されます。モーターには完全な部品と欠陥のある部品があります。これにより、条件が異なる11種類のクラスが作成されます。

DBWorld e-mails
It contains 64 e-mails which I have manually collected from DBWorld mailing list. They are classified in: ‘announces of conferences’ and ‘everything else’.
それは私がDBWorldメーリングリストから手動で収集した64の電子メールを含んでいます。彼らは「会議の発表」や「その他すべて」に分類されます。

default of credit card clients
This research aimed at the case of customers’ default payments in Taiwan and compares the predictive accuracy of probability of default among six data mining methods.
この研究はcustomersâの場合を対象としましたか? 6つのデータマイニング手法の間のデフォルト確率の予測精度を比較します。

Demospongiae
Marine sponges of the Demospongiae class classification domain.
Demospongiaeクラス分類ドメインの海綿スポンジ。

Dermatology
Aim for this dataset is to determine the type of Eryhemato-Squamous Disease.
このデータセットの目的は、Eryhemato-Squamous Diseaseのタイプを決定することです。

Detect Malacious Executable(AntiVirus)
I extract features from malacious and non-malacious and create and training dataset to teach svm classifier.Dataset made of unknown executable to detect if it is virus or normal safe executable.
私は、マニアックで非マニアックな機能を抽出し、svmクラシファイアを教えるためのデータセットを作成し、作成します。

Dexter
DEXTER is a text classification problem in a bag-of-word representation. This is a two-class classification problem with sparse continuous input variables. This dataset is one of five datasets of the NIPS 2003 feature selection challenge.
DEXTERは、語彙表現のテキスト分類の問題です。これは、疎な連続入力変数を持つ2クラスの分類問題です。このデータセットは、NIPS 2003の機能選択の課題の5つのデータセットの1つです。

DGP2 – The Second Data Generation Program
Generates application domains based on specific parameters, number of features, and proportion of positive to negative examples
特定のパラメータ、機能の数、および正の例から負の例の割合に基づいてアプリケーションドメインを生成します。

Diabetes
This diabetes dataset is from AIM ’94
この糖尿病のデータセットは、AIM ’94

Diabetes 130-US hospitals for years 1999-2008
This data has been prepared to analyze factors related to readmission as well as other outcomes pertaining to patients with diabetes.
このデータは、糖尿病患者に関連する再入院およびその他のアウトカムに関連する要因を分析するために作成されています。

Diabetic Retinopathy Debrecen Data Set
This dataset contains features extracted from the Messidor image set to predict whether an image contains signs of diabetic retinopathy or not.
このデータセットには、糖尿病性網膜症の徴候が画像に含まれているかどうかを予測するために設定されたメシドール画像から抽出された特徴が含まれています。

Document Understanding
Five concepts, expressed as predicates, to be learned
述語として表現される、5つの概念

Dodgers Loop Sensor
Loop sensor data was collected for the Glendale on ramp for the 101 North freeway in Los Angeles
ループセンサーデータは、ロサンゼルスの101 North高速道路のGlendaleランプで収集されました

Dorothea
DOROTHEA is a drug discovery dataset. Chemical compounds represented by structural molecular features must be classified as active (binding to thrombin) or inactive. This is one of 5 datasets of the NIPS 2003 feature selection challenge.
DOROTHEAは薬物発見データセットです。構造的分子の特徴によって表される化合物は、活性(トロンビンへの結合)または不活性であると分類されなければならない。これは、NIPS 2003の機能選択の課題の5つのデータセットの1つです。

Dota2 Games Results
Dota 2 is a popular computer game with two teams of 5 players. At the start of the game each player chooses a unique hero with different strengths and weaknesses.
Dota 2は、5人のチームからなる2つのチームを持つ人気のコンピュータゲームです。ゲームの開始時に、各プレイヤーは異なる強さと弱さを持つユニークなヒーローを選びます。

Dow Jones Index
This dataset contains weekly data for the Dow Jones Industrial Index. It has been used in computational investing research.
このデータセットには、ダウ・ジョーンズ工業指数の週間データが含まれています。これは計算投資研究に使用されています。

Dresses_Attribute_Sales
This dataset contain Attributes of dresses and their recommendations according to their sales.Sales are monitor on the basis of alternate days.
このデータセットには、その売上に応じたドレスの属性と推奨事項が含まれています。セールスは、代替日数に基づいてモニタされます。

E. Coli Genes
Data giving characteristics of each ORF (potential gene) in the E. coli genome. Sequence, homology (similarity to other genes) and structural information, and function (if known) are provided.
大腸菌ゲノム中の各ORF(潜在的遺伝子)の特徴を示すデータ。配列、相同性(他の遺伝子との類似性)および構造情報ならびに機能(既知の場合)が提供される。

EBL Domain Theories
Assorted small-scale domain theories
さまざまな小規模ドメイン理論

Echocardiogram
Data for classifying if patients will survive for at least one year after a heart attack
患者が心臓発作後少なくとも1年間生存するかどうかを分類するためのデータ

Ecoli
This data contains protein localization sites
このデータは、タンパク質局在部位

Economic Sanctions
Domain Theory on Economic Sanctions; Undocumented
経済制裁に関するドメイン理論;記載されていない

Educational Process Mining (EPM): A Learning Analytics Data Set
A Learning Analytics Data Set : Educational Process Mining data set is built from the recordings of 115 subjects’ activities through a logging application while learning with an educational simulator.
学習分析データセット:教育プロセスマイニングデータセットは、教育シミュレータで学習しながら、115件のアクティビティの録音からロギングアプリケーションを通じて構築されます。

EEG Database
This data arises from a large study to examine EEG correlates of genetic predisposition to alcoholism. It contains measurements from 64 electrodes placed on the scalp sampled at 256 Hz
このデータは、アルコール依存症に対する遺伝的素因のEEG相関を調べるための大規模な研究から生じる。それは、256Hzでサンプリングされた頭皮上に置かれた64個の電極からの測定値を含む

EEG Eye State
The data set consists of 14 EEG values and a value indicating the eye state.
データセットは、14のEEG値と目の状態を示す値とからなる。

El Nino
The data set contains oceanographic and surface meteorological readings taken from a series of buoys positioned throughout the equatorial Pacific.
データセットには、赤道太平洋全域に配置された一連のブイから採取された海洋および気象観測値が含まれています。

ElectricityLoadDiagrams20112014
This data set contains electricity consumption of 370 points/clients.
このデータセットには、370ポイント/クライアントの電力消費量が含まれています。

EMG dataset in Lower Limb
3 different exercises: sitting, standing and walking in the muscles: biceps femoris, vastus medialis, rectus femoris and semitendinosus addition to goniometry in the exercises.
3つの異なる練習:座って、立って、筋肉を歩く:大腿二頭筋、広筋、大腿直腸および半腱様筋に加えて練習中のゴニオメトリー。

EMG Physical Action Data Set
The Physical Action Data Set includes 10 normal and 10 aggressive physical actions that measure the human activity. The data have been collected by 4 subjects using the Delsys EMG wireless apparatus.
物理的行動データセットは、人間の活動を測定する10の通常の物理的アクションと10の積極的な物理的アクションを含む。データは、Delsys EMG無線装置を用いて4人の被験者によって収集されている。

Energy efficiency
This study looked into assessing the heating load and cooling load requirements of buildings (that is, energy efficiency) as a function of building parameters.
この研究では、建物のパラメータに応じて、建物の暖房負荷と冷房負荷の要件(つまり、エネルギー効率)を評価する方法を検討しました。

Entree Chicago Recommendation Data
This data contains a record of user interactions with the Entree Chicago restaurant recommendation system.
このデータには、Entree Chicagoレストラン推奨システムとのユーザー対話の記録が含まれています。

Facebook Comment Volume Dataset
Instances in this dataset contain features extracted from facebook posts. The task associated with the data is to predict how many comments the post will receive.
このデータセットのインスタンスには、Facebookの投稿から抽出された機能が含まれています。データに関連するタスクは、投稿が受け取るコメントの数を予測することです。

Facebook metrics
Facebook performance metrics of a renowned cosmetic’s brand Facebook page.
有名な化粧品ブランドのFacebookページのFacebookパフォーマンス指標。

Farm Ads
This data was collected from text ads found on twelve websites that deal with various farm animal related topics. The binary labels are based on whether or not the content owner approves of the ad.
このデータは、様々な家畜関連のトピックを扱う12のウェブサイトにあるテキスト広告から収集されたものです。バイナリラベルは、コンテンツ所有者が広告を承認するかどうかに基づいています。

Fertility
100 volunteers provide a semen sample analyzed according to the WHO 2010 criteria. Sperm concentration are related to socio-demographic data, environmental factors, health status, and life habits
100人のボランティアが、WHO2010基準に従って分析された精液サンプルを提供する。精子の濃度は、社会人口統計データ、環境要因、健康状態、および生活習慣に関連する

Firm-Teacher_Clave-Direction_Classification
The data are binary attack-point vectors and their clave-direction class(es) according to the partido-alto-based paradigm.
データは、バイナリアタックポイントベクトルと、partido-altoベースのパラダイムに基づくclave-directionクラスです。

First-order theorem proving
Given a theorem, predict which of five heuristics will give the fastest proof when used by a first-order prover. A sixth prediction declines to attempt a proof, should the theorem be too difficult.
定理が与えられると、1次の証明者が使用するときに、5つの発見的方法のどれが最も速い証明を与えるかを予測する。定理があまりにも難しいのであれば、第6の予測は証明を試みるために減少する。

Flags
From Collins Gem Guide to Flags, 1986
コリンズ・ジェム・ガイドからフラッグス、1986

Folio
20 photos of leaves for each of 32 different species.
32種類の葉の写真を20枚。

Forest Fires
This is a difficult regression task, where the aim is to predict the burned area of forest fires, in the northeast region of Portugal, by using meteorological and other data (see details at: http://www.dsi.uminho.pt/~pcortez/forestfires).
これは難しい回帰課題であり、ポルトガル北東部の森林火災地域を予測することを目的としています(詳細はhttp://www.dsi.uminho.pt/を参照)。 〜pcortez / forestfires)。

Forest type mapping
Multi-temporal remote sensing data of a forested area in Japan. The goal is to map different forest types using spectral data.
日本の森林地帯における多時間リモートセンシングデータ目標は、スペクトルデータを使用して異なる森林タイプをマッピングすることです。

Function Finding
Cases collected mostly from investigations in physical science; intention is to evaluate function-finding algorithms
主に物理科学の調査から収集された症例。意図は機能発見アルゴリズムを評価することです

Gas Sensor Array Drift Dataset
This archive contains 13910 measurements from 16 chemical sensors utilized in simulations for drift compensation in a discrimination task of 6 gases at various levels of concentrations.
このアーカイブには、様々なレベルの濃度の6つのガスの識別タスクにおけるドリフト補償のシミュレーションに使用される16の化学センサからの13910回の測定値が含まれています。

Gas Sensor Array Drift Dataset at Different Concentrations
This archive contains 13910 measurements from 16 chemical sensors exposed to 6 different gases at various concentration levels.
このアーカイブには、さまざまな濃度レベルの6種類のガスに暴露された16の化学センサからの13910回の測定値が含まれています。

Gas sensor array exposed to turbulent gas mixtures
A chemical detection platform composed of 8 chemoresistive gas sensors was exposed to turbulent gas mixtures generated naturally in a wind tunnel. The acquired time series of the sensors are provided.
8つの化学抵抗性ガスセンサーからなる化学検出プラットフォームを、風洞に自然発生した乱流ガス混合物にさらした。取得されたセンサの時系列が提供される。

Gas sensor array under dynamic gas mixtures
The data set contains the recordings of 16 chemical sensors exposed to two dynamic gas mixtures at varying concentrations. For each mixture, signals were acquired continuously during 12 hours.
データセットには、様々な濃度の2つの動的ガス混合物にさらされた16の化学センサの記録が含まれています。各混合物について、シグナルを12時間連続して取得した。

Gas sensor array under flow modulation
The data set contains 58 time series acquired from 16 chemical sensors under gas flow modulation conditions. The sensors were exposed to different gaseous binary mixtures of acetone and ethanol.
このデータセットは、ガスフロー調節条件下で16の化学センサから取得した58の時系列を含む。センサーは、アセトンとエタノールの異なるガス状二成分混合物に暴露した。

Gas sensor arrays in open sampling settings
The dataset contains 18000 time-series recordings from a chemical detection platform at six different locations in a wind tunnel facility in response to ten high-priority chemical gaseous substances
このデータセットには、風力トンネル施設内の6つの異なる場所にある化学検出プラットフォームからの18000回の時系列記録が含まれており、優先順位の高い化学物質10物質

Gas sensors for home activity monitoring
100 recordings of a sensor array under different conditions in a home setting: background, wine and banana presentations. The array includes 8 MOX gas sensors, and humidity and temperature sensors.
家庭環境で異なる条件でセンサーアレイを100回記録する:背景、ワイン、バナナのプレゼンテーションこのアレイには8個のMOXガスセンサーと湿度センサーと温度センサーが含まれています。

Geographical Original of Music
Instances in this dataset contain audio features extracted from 1059 wave files. The task associated with the data is to predict the geographical origin of music.
このデータセットのインスタンスには、1059個のwaveファイルから抽出されたオーディオ機能が含まれています。データに関連するタスクは、音楽の地理的起源を予測することである。

Gesture Phase Segmentation
The dataset is composed by features extracted from 7 videos with people gesticulating, aiming at studying Gesture Phase Segmentation. It contains 50 attributes divided into two files for each video.
このデータセットは、ジェスチャーフェーズセグメンテーションの研究を目的として、人々が誇りを持ちながら7つのビデオから抽出されたフィーチャーで構成されています。各ビデオに2つのファイルに分割された50の属性が含まれています。

Gisette
GISETTE is a handwritten digit recognition problem. The problem is to separate the highly confusible digits ‘4’ and ‘9’. This dataset is one of five datasets of the NIPS 2003 feature selection challenge.
GISETTEは、手書き数字認識の問題です。問題は、非常に混同しやすい数字「4」と「9」を分けることです。このデータセットは、NIPS 2003の機能選択の課題の5つのデータセットの1つです。

Glass Identification
From USA Forensic Science Service; 6 types of glass; defined in terms of their oxide content (i.e. Na, Fe, K, etc)
米国の法医学からの科学サービス; 6種類のガラス;それらの酸化物含有量(すなわち、Na、Fe、Kなど)に関して定義され、

GPS Trajectories
The dataset has been feed by Android app called Go!Track. It is available at Goolge Play Store(https://play.google.com/store/apps/details?id=com.go.router).
このデータセットは、Go!Trackと呼ばれるAndroidアプリによってフィードされています。 Goolge Playストア(https://play.google.com/store/apps/details?id=com.go.router)でご利用いただけます。

Grammatical Facial Expressions
This dataset supports the development of models that make possible to interpret Grammatical Facial Expressions from Brazilian Sign Language (Libras).
このデータセットは、ブラジル手話(Libras)からの文法的表情の解釈を可能にするモデルの開発をサポートしています。

Greenhouse Gas Observing Network
Design an observing network to monitor emissions of a greenhouse gas (GHG) in California given time series of synthetic observations and tracers from weather model simulations.
カリフォルニアの温室効果ガス(GHG)の排出量を観測する観測ネットワークを設計し、気象モデルシミュレーションからの一連の合成観測とトレーサを与えます。

Haberman’s Survival
Dataset contains cases from study conducted on the survival of patients who had undergone surgery for breast cancer
データセットには、乳がんの手術を受けた患者の生存に関する研究のケースが含まれています

Hayes-Roth
Topic: human subjects study
トピック:人間の被験者研究

Heart Disease
4 databases: Cleveland, Hungary, Switzerland, and the VA Long Beach
4データベース:クリーブランド、ハンガリー、スイス、VAロングビーチ

Hepatitis
From G.Gong: CMU; Mostly Boolean or numeric-valued attribute types; Includes cost data (donated by Peter Turney)
G.Gongから:CMU;ほとんどのブール値型または数値型の属性タイプ。費用データ(Peter Turney寄贈)

HEPMASS
The search for exotic particles requires sorting through a large number of collisions to find the events of interest. This data set challenges one to detect a new particle of unknown mass.
エキゾチックな粒子の検索では、関心のあるイベントを見つけるために多数の衝突をソートする必要があります。このデータセットは、未知の質量の新しい粒子を検出するのに挑戦します。

Heterogeneity Activity Recognition
The Heterogeneity Human Activity Recognition (HHAR) dataset from Smartphones and Smartwatches is a dataset devised to benchmark human activity recognition algorithms (classification, automatic data segmentation, sensor fusion, feature extraction, etc.) in real-world contexts; specifically, the dataset is gathered with a variety of different device models and use-scenarios, in order to reflect sensing heterogeneities to be expected in real deployments.
スマートフォンとスマートウォッチからのHHAR(Heterogeneity Human Activity Recognition)データセットは、実際の状況での人間活動認識アルゴリズム(分類、自動データセグメンテーション、センサー融合、特徴抽出など)をベンチマークするために考案されたデータセットです。具体的には、実際の展開で期待されるセンシングの異質性を反映するために、さまざまなデバイスモデルや使用シナリオでデータセットが収集されます。

HIGGS
This is a classification problem to distinguish between a signal process which produces Higgs bosons and a background process which does not.
これは、Higgsボソンを産生するシグナルプロセスとそうでないバックグラウンドプロセスとを区別するための分類の問題である。

Hill-Valley
Each record represents 100 points on a two-dimensional graph. When plotted in order (from 1 through 100) as the Y co-ordinate, the points will create either a Hill (a “bump” in the terrain) or a Valley (a “dip” in the terrain).
各レコードは、2次元グラフ上の100点を表します。 Y座標として(1から100まで)順番にプロットすると、ポイントはヒル(地形のバンプか地形かバレーか)を作成します。

HIV-1 protease cleavage
The data contains lists of octamers (8 amino acids) and a flag (-1 or 1) depending on whether HIV-1 protease will cleave in the central position (between amino acids 4 and 5).
このデータは、HIV-1プロテアーゼが中心位置(アミノ酸4と5の間)で切断するかどうかに応じて、オクタマー(8アミノ酸)およびフラグ(-1または1)のリストを含む。

Horse Colic
Well documented attributes; 368 instances with 28 attributes (continuous, discrete, and nominal); 30% missing values
十分に文書化された属性。 28属性(連続、離散、公称)を持つ368インスタンス。 30%欠損値

Housing
Taken from StatLib library
StatLibライブラリから取得

Human Activity Recognition Using Smartphones
Human Activity Recognition database built from the recordings of 30 subjects performing activities of daily living (ADL) while carrying a waist-mounted smartphone with embedded inertial sensors.
慣性センサを内蔵した腰部のスマートフォンを携帯しながら、日常生活の活動(ADL)を行う30人の被験者の記録から構築された人間活動認識データベース。

ICU
Data set prepared for the use of participants for the 1994 AAAI Spring Symposium on Artificial Intelligence in Medicine.
1994年のAAAI芸術における人工知能に関する春季シンポジウムの参加者のために用意されたデータセット。

ILPD (Indian Liver Patient Dataset)
This data set contains 10 variables that are age, gender, total Bilirubin, direct Bilirubin, total proteins, albumin, A/G ratio, SGPT, SGOT and Alkphos.
このデータセットには、年齢、性別、総ビリルビン、直接ビリルビン、総タンパク質、アルブミン、A / G比、SGPT、SGOTおよびAlkphosの10変数が含まれています。

Image Segmentation
Image data described by high-level numeric-valued attributes, 7 classes
高水準数値属性、7クラスで記述された画像データ

Improved Spiral Test Using Digitized Graphics Tablet for Monitoring Parkinson’s Disease
Handwriting database consists of 25 PWP(People with Parkinson) and 15 healthy individuals.Three types of recordings (Static Spiral Test, Dynamic Spiral Test and Stability Test) are taken.
手書きデータベースは25人のPWP(パーキンソン病患者)と15人の健常者で構成されています.3種類の記録(静的スパイラルテスト、ダイナミックスパイラルテスト、安定性テスト)が行われます。

Individual household electric power consumption
Measurements of electric power consumption in one household with a one-minute sampling rate over a period of almost 4 years. Different electrical quantities and some sub-metering values are available.
1世帯あたりの電力消費量を約4年間にわたって1分間のサンプリングレートで測定。異なる電気量およびいくつかのサブメータリング値が利用可能である。

Indoor User Movement Prediction from RSS data
This dataset contains temporal data from a Wireless Sensor Network deployed in real-world office environments. The task is intended as real-life benchmark in the area of Ambient Assisted Living.
このデータセットには、実世界のオフィス環境に配備されたワイヤレスセンサネットワークからの時間データが含まれています。この作業は、アンビエントアシストリビングの分野における現実のベンチマークとして意図されています。

Insurance Company Benchmark (COIL 2000)
This data set used in the CoIL 2000 Challenge contains information on customers of an insurance company. The data consists of 86 variables and includes product usage data and socio-demographic data
CoIL 2000 Challengeで使用されるこのデータセットには、保険会社の顧客に関する情報が含まれています。データは86変数で構成され、製品使用データと社会人口統計データ

Internet Advertisements
This dataset represents a set of possible advertisements on Internet pages.
このデータセットは、インターネットページ上に表示される一連の広告を表します。

Internet Usage Data
This data contains general demographic information on internet users in 1997.
このデータには、1997年にインターネットユーザーに関する一般的な人口統計情報が含まれています。

Ionosphere
Classification of radar returns from the ionosphere
電離圏からのレーダーリターンの分類

IPUMS Census Database
This data set contains unweighted PUMS census data from the Los Angeles and Long Beach areas for the years 1970, 1980, and 1990.
このデータセットには、1970年、1980年、および1990年のロサンゼルスおよびロングビーチ地域からの重み付けされていないPUMS国勢調査データが含まれています。

Iris
Famous database; from Fisher, 1936
有名なデータベース。フィッシャー、1936年から

ISOLET
Goal: Predict which letter-name was spoken–a simple classification task.
目標:どのレターネームが話されたかを予測する – 簡単な分類作業。

ISTANBUL STOCK EXCHANGE
Data sets includes returns of Istanbul Stock Exchange with seven other international index; SP, DAX, FTSE, NIKKEI, BOVESPA, MSCE_EU, MSCI_EM from Jun 5, 2009 to Feb 22, 2011.
データセットには、7つの国際インデックスを持つイスタンブール証券取引所のリターンが含まれます。 2009年6月5日から2011年2月22日まで、SP、DAX、FTSE、NIKKEI、BOVESPA、MSCE_EU、MSCI_EM

Japanese Credit Screening
Includes domain theory (generated by talking to Japanese domain experts); data in Lisp
ドメイン理論(日本のドメイン専門家と話し合って生成) Lispのデータ

Japanese Vowels
This dataset records 640 time series of 12 LPC cepstrum coefficients taken from nine male speakers.
このデータセットは、9人の男性の話者から得られた640の時系列の12のLPCケプストラム係数を記録する。

KDD Cup 1998 Data
This is the data set used for The Second International Knowledge Discovery and Data Mining Tools Competition, which was held in conjunction with KDD-98
これは、KDD-98と併せて開催された第2回国際知識発見およびデータマイニングツールコンペティションで使用されるデータセットです

KDD Cup 1999 Data
This is the data set used for The Third International Knowledge Discovery and Data Mining Tools Competition, which was held in conjunction with KDD-99
これは、KDD-99と併せて開催された第3回国際知識発見およびデータマイニングツールコンペティションで使用されるデータセットです

KEGG Metabolic Reaction Network (Undirected)
KEGG Metabolic pathways modeled as un-directed reaction network. Variety of graphical features presented.
KEGG無方向性反応ネットワークとしてモデル化された代謝経路。さまざまなグラフィカルな機能が紹介されています。

KEGG Metabolic Relation Network (Directed)
KEGG Metabolic pathways modeled as directed relation network. Variety of graphical features presented.
KEGG代謝経路は有向リレーションネットワークとしてモデル化されています。さまざまなグラフィカルな機能が紹介されています。

Kinship
Relational dataset
リレーショナルデータセット

Labor Relations
From Collective Bargaining Review
団体交渉からのレビュー

Leaf
This dataset consists in a collection of shape and texture features extracted from digital images of leaf specimens originating from a total of 40 different plant species.
このデータセットは、合計40の異なる植物種に由来する葉試料のデジタル画像から抽出された形状およびテクスチャ特徴の集合で構成される。

LED Display Domain
From Classification and Regression Trees book; We provide here 2 C programs for generating sample databases
分類と回帰木から本;ここではサンプルデータベースを生成するための2つのCプログラムを提供します

Legal Case Reports
A textual corpus of 4000 legal cases for automatic summarization and citation analysis. For each document we collect catchphrases, citations sentences, citation catchphrases and citation classes.
自動集計および引用分析のための4000件の法的事例のテキストコーパス。それぞれの文書について、キャッチフレーズ、引用文、引用キャッチフレーズ、引用クラスを収集します。

Lenses
Database for fitting contact lenses
コンタクトレンズ用データベース

Letter Recognition
Database of character image features; try to identify the letter
文字イメージの特徴のデータベース。手紙を特定しようとする

Libras Movement
The data set contains 15 classes of 24 instances each. Each class references to a hand movement type in LIBRAS (Portuguese name ‘LÍngua BRAsileira de Sinais’, oficial brazilian signal language).
データセットには、それぞれ24のインスタンスからなる15のクラスが含まれています。 LIBRASでの手の動きの種類(ポルトガル語名「リンガブラジレイラ・デ・Sinais」、oficialブラジルの信号言語)への各クラス参照。

Liver Disorders
BUPA Medical Research Ltd. database donated by Richard S. Forsyth
BUPA Medical Research Ltd.データベースRichard S. Forsyth寄贈

Localization Data for Person Activity
Data contains recordings of five people performing different activities. Each person wore four sensors (tags) while performing the same scenario five times.
データには、異なる活動を行っている5人の記録が含まれています。同じシナリオを5回実行しながら、各人は4つのセンサー(タグ)を身に着けた。

Logic Theorist
All code for Logic Theorist
論理理論家のためのすべてのコード

Low Resolution Spectrometer
From IRAS data — NASA Ames Research Center
IRASデータから – NASAエイムズ研究センター

LSVT Voice Rehabilitation
126 samples from 14 participants, 309 features. Aim: assess whether voice rehabilitation treatment lead to phonations considered ‘acceptable’ or ‘unacceptable’ (binary class classification problem).
14人の参加者からの126サンプル、309個の特徴。目的:音声リハビリテーション治療が、「受け入れ可能」または「容認できない」と考えられるかどうかを評価する(バイナリクラス分類問題)。

Lung Cancer
Lung cancer data; no attribute definitions
肺癌データ;属性定義なし

Lymphography
This lymphography domain was obtained from the University Medical Centre, Institute of Oncology, Ljubljana, Yugoslavia. (Restricted access)
このリンパ節領域は、ユーゴスラビアリュブリャナの腫瘍研究所(Institute of Oncology)の大学メディカルセンターから入手した。 (制限付きアクセス)

M. Tuberculosis Genes
Data giving characteristics of each ORF (potential gene) in the M. tuberculosis bacterium. Sequence, homology (similarity to other genes) and structural information, and function (if known) are provided
マイコバクテリウム・ツベルクローシス細菌の各ORF(潜在的遺伝子)の特性を示すデータ。配列、相同性(他の遺伝子との類似性)および構造情報、および機能(既知の場合)が提供される

Machine Learning based ZZAlpha Ltd. Stock Recommendations 2012-2014
The data here are the ZZAlpha® machine learning recommendations made for various US traded stock portfolios the morning of each day during the 3 year period Jan 1, 2012 – Dec 31, 2014.
2014年12月31日 – ここでのデータは、様々な米国のために作られたZZAlpha®機械学習勧告は3年の期間2012年1月1日の間、毎日の朝株式ポートフォリオを取引されています。

Madelon
MADELON is an artificial dataset, which was part of the NIPS 2003 feature selection challenge. This is a two-class classification problem with continuous input variables. The difficulty is that the problem is multivariate and highly non-linear.
MADELONは人工データセットであり、NIPS 2003の機能選択の課題の一部です。これは、連続入力変数を持つ2クラスの分類問題です。問題は多変量であり、非線形性が高いことです。

MAGIC Gamma Telescope
Data are MC generated to simulate registration of high energy gamma particles in an atmospheric Cherenkov telescope
大気中のチェレンコフ望遠鏡で高エネルギーガンマ粒子のレジストレーションをシミュレートするためにMCを生成する

Mammographic Mass
Discrimination of benign and malignant mammographic masses based on BI-RADS attributes and the patient’s age.
BI-RADSの属性と患者の年齢に基づいて良性および悪性のマンモグラフィー腫瘤の識別。

Mechanical Analysis
Fault diagnosis problem of electromechanical devices; also PUMPS DATA SET is newer version with domain theory and results
電気機械装置の故障診断問題;また、PUMPS DATA SETはドメイン理論と結果の新しいバージョンです

Mesothelioma’s disease data set
Mesothelioma’s disease data set were prepared at Dicle University Faculty of Medicine in Turkey. Three hundred and twenty-four Mesothelioma patient data. In the dataset, all samples have 34 features.
中皮腫の疾患データセットは、トルコのDicle Universityの医学部で作成されました。 Mesotheliomaの患者データは、300から24です。データセットでは、すべてのサンプルに34のフィーチャがあります。

Meta-data
Meta-Data was used in order to give advice about which classification method is appropriate for a particular dataset (taken from results of Statlog project).
特定のデータセット(Statlogプロジェクトの結果から取得)に適した分類方法についてのアドバイスを提供するために、Meta-Dataが使用されました。

MHEALTH Dataset
The MHEALTH (Mobile Health) dataset is devised to benchmark techniques dealing with human behavior analysis based on multimodal body sensing.
MHEALTH(Mobile Health)データセットは、マルチモーダルな身体感知に基づく人間の行動分析を扱う技術をベンチマークするために考案されたものです。

Mice Protein Expression
Expression levels of 77 proteins measured in the cerebral cortex of 8 classes of control and Down syndrome mice exposed to context fear conditioning, a task used to assess associative learning.
77個のタンパク質の発現レベル、8つのコントロールのクラスおよび文脈恐怖条件に露出ダウン症候群のマウスの大脳皮質内の連合学習を評価するために使用するタスクを測定しました。

microblogPCU
MicroblogPCU data is crawled from sina weibo microblog[http://weibo.com/]. This data can be used to study machine learning methods as well as do some social network research.
MicroblogPCUデータは、sina weiboマイクロブログ[http://weibo.com/]からクロールされます。このデータは、機械学習の方法を研究するだけでなく、ソーシャルネットワークの研究を行うのにも使用できます。

MicroMass
A dataset to explore machine learning approaches for the identification of microorganisms from mass-spectrometry data.
マススペクトロメトリーデータから微生物を同定するための機械学習アプローチを探索するためのデータセット。

MiniBooNE particle identification
This dataset is taken from the MiniBooNE experiment and is used to distinguish electron neutrinos (signal) from muon neutrinos (background).
このデータセットはMiniBooNE実験から取られ、ミューオンニュートリノ(バックグラウンド)から電子ニュートリノ(信号)を区別するために使用されます。

Mobile Robots
Learning concepts from sensor data of a mobile robot; set of data sets
移動ロボットのセンサデータから概念を学習する。データセットのセット

Molecular Biology (Promoter Gene Sequences)
E. Coli promoter gene sequences (DNA) with partial domain theory
部分領域理論を用いた大腸菌プロモーター遺伝子配列(DNA)

Molecular Biology (Protein Secondary Structure)
From CMU connectionist bench repository; Classifies secondary structure of certain globular proteins
CMUコネクショニストベンチレポジトリから。特定の球状タンパク質の二次構造を分類する

Molecular Biology (Splice-junction Gene Sequences)
Primate splice-junction gene sequences (DNA) with associated imperfect domain theory
関連不完全ドメイン理論を有する霊長類スプライスジャンクション遺伝子配列(DNA)

MONK’s Problems
A set of three artificial domains over the same attribute space; Used to test a wide range of induction algorithms
同じ属性空間上の3つの人工ドメインの集合。幅広い誘導アルゴリズムのテストに使用

Moral Reasoner
Horn-clause model that qualitatively simulates moral reasoning; Theory includes negated literals
道徳的推論を定性的にシミュレートするホーン節モデル。理論には否定されたリテラルが含まれます

Movie
This data set contains a list of over 10000 films including many older, odd, and cult films. There is information on actors, casts, directors, producers, studios, etc.
このデータセットには、多くの古い映画、奇妙な映画、カルト映画を含む10000以上の映画のリストが含まれています。俳優、キャスト、監督、プロデューサー、スタジオなどに関する情報があります。

MSNBC.com Anonymous Web Data
This data describes the page visits of users who visited msnbc.com on September 28, 1999. Visits are recorded at the level of URL category (see description) and are recorded in time order.
このデータは、1999年9月28日にmsnbc.comにアクセスしたユーザーのページ訪問数を示しています。訪問数はURLカテゴリ(説明を参照)のレベルで記録され、時間順に記録されます。

Multiple Features
This dataset consists of features of handwritten numerals (`0′–`9′) extracted from a collection of Dutch utility maps
このデータセットは、オランダのユーティリティマップのコレクションから抽出された手書き数字( `0 ‘ – ` 9’)のフィーチャで構成されています

Mushroom
From Audobon Society Field Guide; mushrooms described in terms of physical characteristics; classification: poisonous or edible
Audobon Societyフィールドガイドから。キノコは物理的特性の観点から記述されている。分類:毒または食用

Musk (Version 1)
The goal is to learn to predict whether new molecules will be musks or non-musks
目標は、新しい分子がムスクかノンムスクかを予測することを学ぶことです

Musk (Version 2)
The goal is to learn to predict whether new molecules will be musks or non-musks
目標は、新しい分子がムスクかノンムスクかを予測することを学ぶことです

News Aggregator
References to news pages collected from an web aggregator in the period from 10-March-2014 to 10-August-2014. The resources are grouped into clusters that represent pages discussing the same story.
2014年3月10日〜2014年8月10日の期間にウェブアグリゲータから収集されたニュースページを参照します。リソースは、同じストーリーを議論するページを表すクラスタにグループ化されます。

Newspaper and magazine images segmentation dataset
Dataset is well suited for segmentation tasks. It contains 101 scanned pages from different newspapers and magazines in Russian with ground truth pixel-based masks.
データセットはセグメンテーションタスクに適しています。それは、地上の真実のピクセルベースのマスクでロシア語で異なる新聞や雑誌からスキャンされた101ページを含んでいます。

NIPS Conference Papers 1987-2015
This data set contains the distribution of words in the full text of the NIPS conference papers published from 1987 to 2015.
このデータセットには、1987年から2015年までに出版されたNIPS会議論文の全文に含まれる単語の分布が含まれています。

NoisyOffice
Corpus intended to do cleaning (or binarization) and enhancement of noisy grayscale printed text images using supervised learning methods. Noisy images and their corresponding ground truth provided.
コーパスは、監視された学習方法を使用して、灰色のグレースケールの印刷されたテキスト画像のクリーニング(または2値化)および強調を意図している。騒々しい画像とそれに対応する根拠が提供されます。

Nomao
Nomao collects data about places (name, phone, localization…) from many sources. Deduplication consists in detecting what data refer to the same place. Instances in the dataset compare 2 spots.
Nomaoは、多くの情報源からの場所(名前、電話、ローカリゼーションなど)に関するデータを収集します。重複排除は、どのデータが同じ場所を参照しているかを検出することにあります。データセットのインスタンスは2つのスポットを比較します。

Northix
Northix is designed to be a schema matching benchmark problem for data integration of two entity relationship databases.
Northixは、2つのエンティティリレーションシップデータベースのデータ統合のベンチマーク問題に一致するスキーマとして設計されています。

NSF Research Award Abstracts 1990-2003
This data set consists of (a) 129,000 abstracts describing NSF awards for basic research, (b) bag-of-word data files extracted from the abstracts, (c) a list of words used for indexing the bag-of-word
このデータセットは、(a)基礎研究のためのNSF賞を記述する129,000の要約、(b)要約から抽出された語彙データファイル、(c)語彙の索引付けに使用される単語のリスト

Nursery
Nursery Database was derived from a hierarchical decision model originally developed to rank applications for nursery schools.
Nursery Databaseは当初、保育園の申請をランク付けするために開発された階層的意思決定モデルから導かれました。

NYSK
NYSK (New York v. Strauss-Kahn) is a collection of English news articles about the case relating to allegations of sexual assault against the former IMF director Dominique Strauss-Kahn (May 2011).
NYSK(New York v。Strauss-Kahn)は、元IMFのドミニク・ストラウス・カーン監督(2011年5月)に対する性的暴行の申し立てに関する事件に関する英文のニュース記事の集まりです。

Occupancy Detection
Experimental data used for binary classification (room occupancy) from Temperature,Humidity,Light and CO2. Ground-truth occupancy was obtained from time stamped pictures that were taken every minute.
温度、湿度、光およびCO2からの二元分類(部屋占有)に使用される実験データ。グラウンド・トゥルー占有率は、1分ごとに撮影されたタイムスタンプ付きの画像から得られました。

One-hundred plant species leaves data set
Sixteen samples of leaf each of one-hundred plant species. For each sample, a shape descriptor, fine scale margin and texture histogram are given.
100の植物種のそれぞれの葉の16のサンプル。各サンプルについて、形状記述子、細かいスケールマージン及びテクスチャヒストグラムが与えられる。

Online Handwritten Assamese Characters Dataset
This is a dataset of 8235 online handwritten assamese characters. The “online” process involves capturing of data as text is written on a digitizing tablet with an electronic pen.
これは8235オンライン手書きアッサム文字のデータセットです。 â????オンライン??電子ペンでデジタル化タブレットにテキストが書き込まれるのに伴い、データの取り込みが行われます。

Online News Popularity
This dataset summarizes a heterogeneous set of features about articles published by Mashable in a period of two years. The goal is to predict the number of shares in social networks (popularity).
このデータセットは、Mashableによって公開された記事に関する異機種の機能を2年間でまとめたものです。目標は、ソーシャルネットワーク(人気)のシェアの数を予測することです。

Online Retail
This is a transnational data set which contains all the transactions occurring between 01/12/2010 and 09/12/2011 for a UK-based and registered non-store online retail.
2010年1月12日から2010年12月11日までの間に発生した、英国を拠点とする非店舗のオンライン小売業者のすべての取引を含む多国籍データセットです。

Online Video Characteristics and Transcoding Time Dataset
The dataset contains a million randomly sampled video instances listing 10 fundamental video characteristics along with the YouTube video ID.
このデータセットには、10個の基本的なビデオ特性とYouTubeのビデオIDを列挙した無作為に抽出された100万のサンプルが含まれています。

Open University Learning Analytics dataset
Open University Learning Analytics Dataset contains data about courses, students and their interactions with Virtual Learning Environment for seven selected courses and more than 30000 students.
Open University Learning Analytics Datasetには、7つの選択されたコースと30000人以上の学生のためのコース、学生、および仮想ラーニング環境との相互作用に関するデータが含まれています。

Opinosis Opinion ⁄ Review
This dataset contains sentences extracted from user reviews on a given topic. Example topics are “performance of Toyota Camry” and “sound quality of ipod nano”.
このデータセットには、特定のトピックのユーザーレビューから抽出された文が含まれています。トピックの例は、トヨタカムリの性能ですか?とiPodのnanoAの音質。

OpinRank Review Dataset
This data set contains user reviews of cars and and hotels collected from Tripadvisor (~259,000 reviews) and Edmunds (~42,230 reviews).
このデータセットにはTripadvisor(〜259,000件)とEdmunds(〜42,230件)から収集した車とホテルのユーザーレビューが含まれています。

OPPORTUNITY Activity Recognition
The OPPORTUNITY Dataset for Human Activity Recognition from Wearable, Object, and Ambient Sensors is a dataset devised to benchmark human activity recognition algorithms (classification, automatic data segmentation, sensor fusion, feature extraction, etc).
Wearable、Object、Ambient Sensorsからのヒューマンアクティビティ認識のためのOPPORTUNITY Datasetは、ヒューマンアクティビティ認識アルゴリズム(分類、自動データセグメンテーション、センサ融合、特徴抽出など)をベンチマークするために考案されたデータセットです。

Optical Recognition of Handwritten Digits
Two versions of this database available; see folder
利用可能なこのデータベースの2つのバージョン。フォルダを参照

Othello Domain Theory
Used in research to generate features for an inductive learning system
帰納的学習システムのための機能を生成するための研究に使用される

Ozone Level Detection
Two ground ozone level data sets are included in this collection. One is the eight hour peak set (eighthr.data), the other is the one hour peak set (onehr.data). Those data were collected from 1998 to 2004 at the Houston, Galveston and Brazoria area.
2つの地上オゾンレベルデータセットがこのコレクションに含まれています。 1つは8時間ピークセット(8hr.data)で、もう1つは1時間ピークセット(1hr.data)です。これらのデータは1998年から2004年にヒューストン、ガルベストン、ブラゾリアで収集された。

p53 Mutants
The goal is to model mutant p53 transcriptional activity (active vs inactive) based on data extracted from biophysical simulations.
目的は、生物物理学的シミュレーションから抽出されたデータに基づいて突然変異体p53転写活性(活性対非活性)をモデル化することである。

Page Blocks Classification
The problem consists of classifying all the blocks of the page layout of a document that has been detected by a segmentation process.
この問題は、セグメンテーションプロセスによって検出されたドキュメントのページレイアウトのすべてのブロックを分類することから成ります。

PAMAP2 Physical Activity Monitoring
The PAMAP2 Physical Activity Monitoring dataset contains data of 18 different physical activities, performed by 9 subjects wearing 3 inertial measurement units and a heart rate monitor.
PAMAP2身体活動モニタリングデータセットは、3つの慣性測定ユニットおよび心拍モニタを装着した9人の被験者によって実施された、18の異なる身体活動のデータを含む。

Parkinson Speech Dataset with Multiple Types of Sound Recordings
The training data belongs to 20 Parkinson’s Disease (PD) patients and 20 healthy subjects. From all subjects, multiple types of sound recordings (26) are taken.
訓練データは、20人のパーキンソン病(PD)患者および20人の健康な被験者に属する。すべての被験者から、複数の種類の録音(26)が行われます。

Parkinsons
Oxford Parkinson’s Disease Detection Dataset
オックスフォードパーキンソン病検出データセット

Parkinsons Telemonitoring
Oxford Parkinson’s Disease Telemonitoring Dataset
オックスフォードパーキンソン病の遠隔監視データセット

PEMS-SF
15 months worth of daily data (440 daily records) that describes the occupancy rate, between 0 and 1, of different car lanes of the San Francisco bay area freeways across time.
サンフランシスコのベイエリア高速道路の異なる車線の占有率を0と1の間で占める15ヶ月分の日々のデータ(440日の記録)。

Pen-Based Recognition of Handwritten Digits
Digit database of 250 samples from 44 writers
44人の作家からの250サンプルの桁データベース

Perfume Data
This data consists of odors of 20 different perfumes. Data was obtained by using a handheld odor meter (OMX-GR sensor) per second for 28 seconds period.
このデータは、20種類の香水の臭いで構成されています。データは、28秒間毎秒ハンドヘルド臭気計(OMX-GRセンサー)を用いて得た。

Phishing Websites
This dataset collected mainly from: PhishTank archive, MillerSmiles archive, Google’s searching operators.
このデータセットは主にPhishTankアーカイブ、MillerSmilesアーカイブ、Googleの検索演算子から収集されました。

Physicochemical Properties of Protein Tertiary Structure
This is a data set of Physicochemical Properties of Protein Tertiary Structure. The data set is taken from CASP 5-9. There are 45730 decoys and size varying from 0 to 21 armstrong.
これは、タンパク質の三次構造の物理化学的性質のデータセットである。データセットはCASP 5-9から取ったものです。 45730個のデコイがあり、サイズは0〜21アームストロングまで変化します。

Pima Indians Diabetes
From National Institute of Diabetes and Digestive and Kidney Diseases; Includes cost data (donated by Peter Turney)
糖尿病および消化器および腎臓病の国立研究所から;費用データ(Peter Turney寄贈)

Pioneer-1 Mobile Robot Data
“This dataset contains time series sensor readings of the Pioneer-1 mobile robot. The data is broken into “”experiences”” in which the robot takes action for some period of time and experiences a control”
このデータセットには、Pioneer-1モバイルロボットの時系列センサーの読み取り値が含まれています。データは「経験」に分割され、ロボットはある期間行動を起こし、制御を経験する

Pittsburgh Bridges
Bridges database that has original and numeric-discretized datasets
オリジナルと数値の離散化されたデータセットを持つブリッジデータベース

Planning Relax
The dataset concerns with the classification of two mental stages from recorded EEG signals: Planning (during imagination of motor act) and Relax state.
このデータセットは、記録された脳波信号から2つの精神段階を分類することに関係します:計画(運動行為の想像力)とリラックス状態。

Plants
Data has been extracted from the USDA plants database. It contains all plants (species and genera) in the database and the states of USA and Canada where they occur.
USDAの植物データベースからデータが抽出されました。それは、データベース内のすべての植物(種および属)およびそれらが発生する米国およびカナダの州を含む。

Poker Hand
Purpose is to predict poker hands
目的は、ポーカーの手を予測することです

Polish companies bankruptcy data
The dataset is about bankruptcy prediction of Polish companies.The bankrupt companies were analyzed in the period 2000-2012, while the still operating companies were evaluated from 2007 to 2013.
このデータセットは、ポーランド企業の破産予測に関するものです。破産企業は2000年から2012年に分析され、依然として事業会社は2007年から2013年に評価されました。

Post-Operative Patient
Dataset of patient features
患者の特徴のデータセット

Predict keywords activities in a online social media
The data from Twitter was collected during 360 consecutive days. It was done by querying 1497 English keywords sampled from Wikipedia. This dataset is proposed in a Learning to rank setting.
Twitterからのデータは360日間連続して収集されました。これは、Wikipediaからサンプリングされた1497の英語のキーワードを照会することによって行われました。このデータセットは、ランク設定の学習で提案されています。

Primary Tumor
From Ljubljana Oncology Institute
リュブリャナ腫瘍研究所

Prodigy
Assorted domains like blocksworld, eightpuzzle, and schedworld.
blocksworld、eightpuzzle、schedworldなどのさまざまなドメイン。

Protein Data
Undocumented
記載されていない

Pseudo Periodic Synthetic Time Series
This data set is designed for testing indexing schemes in time series databases. The data appears highly periodic, but never exactly repeats itself.
このデータセットは、時系列データベースの索引付けスキームをテストするために設計されています。データは非常に周期的に見えますが、正確に繰り返すことはありません。

PubChem Bioassay Data
These highly imbalanced bioassay datasets are from the differing types of screening that can be performed using HTS technology. 21 datasets were created from 12 bioassays.
これらの高度にバランスのとれていないバイオアッセイデータセットは、HTS技術を使用して実施できる異なる種類のスクリーニング由来である。 21のデータセットは12のバイオアッセイから作成された。

QSAR biodegradation
Data set containing values for 41 attributes (molecular descriptors) used to classify 1055 chemicals into 2 classes (ready and not ready biodegradable).
化学物質を2つのクラスに分類するために使用された41の属性(分子記述子)の値を含むデータセット(準備ができていて生分解性ではない)。

QtyT40I10D100K
Since there is no numerical sequential data stream available in standard data sets, this data set is generated from the original T40I10D100K data set
標準データセットで使用できる数値順データストリームがないため、このデータセットは元のT40I10D100Kデータセットから生成されます

Quadruped Mammals
The file animals.c is a data generator of structured instances representing quadruped animals
ファイルanimals.cは、4連動物を表す構造化インスタンスのデータジェネレータです

Qualitative Structure Activity Relationships
Two sets of datasets are given: pyrimidines and triazines
ピリミジンおよびトリアジンの2セットのデータセットが与えられる

Qualitative_Bankruptcy
Predict the Bankruptcy from Qualitative parameters from experts.
専門家からの質的パラメータから破産を予測する。

REALDISP Activity Recognition Dataset
The REALDISP dataset is devised to evaluate techniques dealing with the effects of sensor displacement in wearable activity recognition as well as to benchmark general activity recognition algorithms
REALDISPデータセットは、ウェアラブルアクティビティ認識におけるセンサ変位の影響を扱う技術を評価するとともに、一般的なアクティビティ認識アルゴリズムをベンチマークするために考案された

Record Linkage Comparison Patterns
Element-wise comparison of records with personal data from a record linkage setting. The task is to decide from a comparison pattern whether the underlying records belong to one person.
レコード結合設定からの個人データとレコードの要素別比較。タスクは、基礎となるレコードが1人に属するかどうかを比較パターンから判断することです。

Relative location of CT slices on axial axis
The dataset consists of 384 features extracted from CT images. The class variable is numeric and denotes the relative location of the CT slice on the axial axis of the human body.
このデータセットは、CT画像から抽出された384個の特徴からなる。クラス変数は数値であり、人体の軸線上のCTスライスの相対位置を示す。

Restaurant & consumer data
The dataset was obtained from a recommender system prototype. The task was to generate a top-n list of restaurants according to the consumer preferences.
データセットは推奨システムプロトタイプから得られた。タスクは、消費者の嗜好に応じてトップnリストのレストランを生成することでした。

Reuters RCV1 RCV2 Multilingual, Multiview Text Categorization Test collection
This test collection contains feature characteristics of documents originally written in five different languages and their translations, over a common set of 6 categories.
このテストコレクションには、最初は5つの異なる言語で書かれた文書の特徴特性とその翻訳が、6つのカテゴリの共通のセットにわたって含まれています。

Reuters Transcribed Subset
This dataset is created by reading out 200 files from the 10 largest Reuters classes and using an Automatic Speech Recognition system to create corresponding transcriptions.
このデータセットは、ロイター10クラスから200ファイルを読み込み、自動音声認識システムを使用して対応する文字列を作成することによって作成されます。

Reuters-21578 Text Categorization Collection
This is a collection of documents that appeared on Reuters newswire in 1987. The documents were assembled and indexed with categories.
これは1987年にロイター通信の新聞に掲載された一連の文書です。文書はカテゴリ別にまとめられ、索引付けされました。

Reuter_50_50
The dataset is used for authorship identification in online Writeprint which is a new research field of pattern recognition.
このデータセットは、パターン認識の新しい研究分野であるオンラインライトプリントの原作者識別に使用されます。

Robot Execution Failures
This dataset contains force and torque measurements on a robot after failure detection. Each failure is characterized by 15 force/torque samples collected at regular time intervals
このデータセットには、故障検出後のロボットの力とトルクの測定値が含まれています。各故障は、一定の時間間隔で収集された15の力/トルクサンプルによって特徴づけられる

SECOM
Data from a semi-conductor manufacturing process
半導体製造プロセスからのデータ

seeds
Measurements of geometrical properties of kernels belonging to three different varieties of wheat. A soft X-ray technique and GRAINS package were used to construct all seven, real-valued attributes.
コムギの3種の品種に属する穀粒の幾何学的性質の測定。柔らかいX線技法とGRAINSパッケージを使用して、7つの実数値属性すべてを構築しました。

seismic-bumps
The data describe the problem of high energy (higher than 10^4 J) seismic bumps forecasting in a coal mine. Data come from two of longwalls located in a Polish coal mine.
このデータには、炭鉱における高エネルギー(10 ^ 4 J以上)の地震予知の問題が記載されています。データは、ポーランドの炭鉱にある2つの長い壁からのものです。

Semeion Handwritten Digit
1593 handwritten digits from around 80 persons were scanned, stretched in a rectangular box 16×16 in a gray scale of 256 values.
およそ80名の手書きの数字が1593スキャンされ、256値のグレースケールで16×16の長方形ボックス内に引き伸ばされた。

sEMG for Basic Hand movements
The “sEMG for Basic Hand movements” includes 2 databases of surface electromyographic signals of 6 hand movements using Delsys’ EMG System. Healthy subjects conducted six daily life grasps.
基本的な手の動きのためのEMG DelsysのEMGシステムを使用して6手の動きの表面筋電信号の2データベースを含む。健康な被験者は、6つの日常生活を把握した。

Sentence Classification
Contains sentences from the abstract and introduction of 30 articles annotated with a modified Argumentative Zones annotation scheme. These articles come from biology, machine learning and psychology.
要約からの文章と、修正されたArgumentative Zonesアノテーションスキームで注釈が付けられた30の記事の紹介が含まれています。これらの記事は、生物学、機械学習、心理学から来ています。

Sentiment Labelled Sentences
The dataset contains sentences labelled with positive or negative sentiment.
データセットには、肯定的または否定的な感情でラベル付けされた文が含まれています。

ser Knowledge Modeling Data (Students’ Knowledge Levels on DC Electrical Machines)
The dataset is about the users’ learning activities and knowledge levels on subjects of DC Electrical Machines. The dataset had been obtained from online web-courses and reported in my Ph.D. Thesis.
このデータセットは、DC電気機械の対象に関するユーザーの学習活動および知識レベルに関するものです。データセットはオンラインのウェブコースから得られ、私の博士号で報告されました。論文。

Servo
Data was from a simulation of a servo system
データはサーボシステムのシミュレーションからのものです

Shuttle Landing Control
Tiny database; all nominal values
小さなデータベース。すべての名目値

SIFT10M
In SIFT10M, each data point is a SIFT feature which is extracted from Caltech-256 by the open source VLFeat library. The corresponding patches of the SIFT features are provided.
SIFT10Mでは、各データポイントは、オープンソースのVLFeatライブラリによってCaltech-256から抽出されたSIFTフィーチャです。対応するSIFT機能のパッチが提供されます。

SkillCraft1 Master Table Dataset
This data was used in Thompson et al. (2013). A list of possible game actions is discussed in Thompson, Blair, Chen, & Henrey (2013).
このデータはThompson et al。 (2013)。可能なゲームアクションのリストはThompson、Blair、Chen、&Henrey(2013)で議論されています。

Skin Segmentation
The Skin Segmentation dataset is constructed over B, G, R color space. Skin and Nonskin dataset is generated using skin textures from face images of diversity of age, gender, and race people.
スキンセグメンテーションデータセットは、B、G、Rカラースペース上に構築されます。スキンとノンスキンのデータセットは、年齢、性別、人種の多様な顔画像からのスキンテクスチャを使用して生成されます。

Smartphone Dataset for Human Activity Recognition (HAR) in Ambient Assisted Living (AAL)
This data is an addition to an existing dataset on UCI. We collected more data to improve the accuracy of our human activity recognition algorithms applied in the domain of Ambient Assisted Living.
このデータは、UCIの既存のデータセットに追加されたものです。 Ambient Assisted Living領域に適用された人間活動認識アルゴリズムの精度を向上させるために、より多くのデータを収集しました。

Smartphone-Based Recognition of Human Activities and Postural Transitions
Activity recognition data set built from the recordings of 30 subjects performing basic activities and postural transitions while carrying a waist-mounted smartphone with embedded inertial sensors.
慣性センサを内蔵した腰部のスマートフォンを持ちながら、基本的な活動と姿勢の変化を遂行する30人の被験者の記録から構築された活動認識データセット。

SML2010
This dataset is collected from a monitor system mounted in a domotic house. It corresponds to approximately 40 days of monitoring data.
このデータセットは、屋内の家に設置されたモニタシステムから収集されます。約40日間のモニタリングデータに相当します。

SMS Spam Collection
The SMS Spam Collection is a public set of SMS labeled messages that have been collected for mobile phone spam research.
SMSスパムコレクションは、携帯電話のスパムリサーチのために収集されたSMSラベル付きメッセージの公開セットです。

Solar Flare
Each class attribute counts the number of solar flares of a certain class that occur in a 24 hour period
各クラス属性は、24時間に発生する特定のクラスの太陽フレアの数を数えます

Soybean (Large)
Michalski’s famous soybean disease database
Michalskiの有名な大豆病データベース

Soybean (Small)
Michalski’s famous soybean disease database
Michalskiの有名な大豆病データベース

Spambase
Classifying Email as Spam or Non-Spam
電子メールをスパムまたは非スパムとして分類する

SPECT Heart
Data on cardiac Single Proton Emission Computed Tomography (SPECT) images. Each patient classified into two categories: normal and abnormal.
心臓単一プロトン放出コンピュータ断層撮影(SPECT)画像に関するデータ。各患者は、正常および異常の2つのカテゴリーに分類された。

SPECTF Heart
Data on cardiac Single Proton Emission Computed Tomography (SPECT) images. Each patient classified into two categories: normal and abnormal.
心臓単一プロトン放出コンピュータ断層撮影(SPECT)画像に関するデータ。各患者は、正常および異常の2つのカテゴリーに分類された。

Spoken Arabic Digit
This dataset contains timeseries of mel-frequency cepstrum coefficients (MFCCs) corresponding to spoken Arabic digits. Includes data from 44 male and 44 female native Arabic speakers.
このデータセットには、話されたアラビア数字に対応するメル周波数ケプストラム係数(MFCC)の時系列データが含まれています。 44人の男性と44人の女性アラビア語のスピーカーからのデータが含まれています。

Sponge
Data on sponges; Attributes in spanish
スポンジのデータ。スペイン語の属性

Statlog (Australian Credit Approval)
This file concerns credit card applications. This database exists elsewhere in the repository (Credit Screening Database) in a slightly different form
このファイルはクレジットカードアプリケーションに関するものです。このデータベースは、リポジトリの他の場所(クレジットスクリーニングデータベース)に若干異なる形式で存在します

Statlog (German Credit Data)
This dataset classifies people described by a set of attributes as good or bad credit risks. Comes in two formats (one all numeric). Also comes with a cost matrix
このデータセットは、一連の属性で記述された人物を良好または悪い信用リスクとして分類します。 2つのフォーマット(1つはすべて数字)で提供されます。コストマトリックスも付属しています

Statlog (Heart)
This dataset is a heart disease database similar to a database already present in the repository (Heart Disease databases) but in a slightly different form
このデータセットは、すでにリポジトリに存在するデータベース(ハート病データベース)に似ているが、わずかに異なる形式のデータベース

Statlog (Image Segmentation)
This dataset is an image segmentation database similar to a database already present in the repository (Image segmentation database) but in a slightly different form.
このデータセットは、既にリポジトリに存在するデータベース(イメージセグメンテーションデータベース)に似ていますが、わずかに異なる形式のイメージセグメンテーションデータベースです。

Statlog (Landsat Satellite)
Multi-spectral values of pixels in 3×3 neighbourhoods in a satellite image, and the classification associated with the central pixel in each neighbourhood
衛星画像内の3×3近傍の画素のマルチスペクトル値、および各近傍の中心画素に関連する分類

Statlog (Shuttle)
The shuttle dataset contains 9 attributes all of which are numerical. Approximately 80% of the data belongs to class 1
シャトルデータセットには9つの属性がすべて含まれています。データの約80%がクラス1に属しています

Statlog (Vehicle Silhouettes)
3D objects within a 2D image by application of an ensemble of shape feature extractors to the 2D silhouettes of the objects.
オブジェクトの2Dシルエットに形状特徴抽出器のアンサンブルを適用することによって、2D画像内の3Dオブジェクトを生成する。

Statlog Project
Various Databases: Vehicle silhouttes, Landsat Sattelite, Shuttle, Australian Credit Approval, Heart Disease, Image Segmentation, German Credit
様々なデータベース:車両シルハウト、ランサットサテライト、シャトル、オーストラリア与信承認、心臓病、画像セグメンテーション、ドイツ語クレジット

Steel Plates Faults
A dataset of steel plates’ faults, classified into 7 different types. The goal was to train machine learning for automatic pattern recognition.
鋼板のデータセット7つの異なるタイプに分類されています。目標は自動パターン認識のための機械学習を訓練することでした。

StoneFlakes
Stone flakes are waste products of the stone tool production in the prehistoric era. The variables are means of geometric and stylistic features of the flakes contained in different inventories.
石のフレークは、先史時代の石器生産の廃棄物です。変数は、異なるインベントリに含まれるフレークの幾何学的および文体的特徴の手段である。

STUDENT ALCOHOL CONSUMPTION
The result also provides the correlation between alcohol usage and the social, gender and study time attributes for each student.
結果はまた、アルコール使用と各学生の社会的、性的および勉強時間属性との間の相関を提供する。

Student Loan Relational
Student Loan Relational Domain
学生ローンリレーショナルドメイン

Student Performance
Predict student performance in secondary education (high school).
中等教育(高等学校)における学生のパフォーマンスを予測する。

SUSY
This is a classification problem to distinguish between a signal process which produces supersymmetric particles and a background process which does not.
これは、超対称粒子を生成する信号プロセスと、そうでないバックグラウンドプロセスとを区別するための分類問題である。

Synthetic Control Chart Time Series
This data consists of synthetically generated control charts.
このデータは、合成的に生成された管理図で構成されています。

Syskill and Webert Web Page Ratings
This database contains HTML source of web pages plus the ratings of a single user on these web pages. Web pages are on four seperate subjects (Bands- recording artists; Goats; Sheep; and BioMedical)
このデータベースには、WebページのHTMLソースと、これらのWebページ上の単一ユーザーの評価が含まれています。ウェブページは4つの別々の科目(バンドのアーティスト、ヤギ、羊、バイオメディカル)

Tamilnadu Electricity Board Hourly Readings
This data can be effectively produced the result to fewer parameter of the Load profile can be reduced in the Database
このデータは、負荷プロファイルのより少ないパラメータで効果的に生成することができ、データベース内で削減することができます

Taxi Service Trajectory – Prediction Challenge, ECML PKDD 2015
An accurate dataset describing trajectories performed by all the 442 taxis running in the city of Porto, in Portugal.
ポルトガルのポルトの都市で走っている442台のタクシーすべてが実行した軌道を表す正確なデータセット。

Teaching Assistant Evaluation
“The data consist of evaluations of teaching performance; scores are “”low””, “”medium””, or “”high”””
データは、教授能力の評価からなる。スコアは「低」、「中」または「高」であり、

Tennis Major Tournament Match Statistics
This is a collection of 8 files containing the match statistics for both women and men at the four major tennis tournaments of the year 2013. Each file has 42 columns and a minimum of 76 rows.
これは、2013年の4大テニストーナメントで女性と男性の両方のマッチ統計を含む8つのファイルのコレクションです。各ファイルには42の列と最小76の行があります。

Thoracic Surgery Data
The data is dedicated to classification problem related to the post-operative life expectancy in the lung cancer patients: class 1 – death within one year after surgery, class 2 – survival.
このデータは、肺癌患者の術後平均余命に関連する分類問題に特化している:クラス1 – 手術後1年以内の死亡、クラス2 – 生存。

Thyroid Disease
10 separate databases from Garavan Institute
Garavan Instituteからの10のデータベース

Tic-Tac-Toe Endgame
Binary classification task on possible configurations of tic-tac-toe game
tic-tac-toeゲームの可能な構成に関するバイナリ分類タスク

Trains
2 data formats (structured, one-instance-per-line)
2つのデータ形式(構造化、1行につき1つのインスタンス)

Turkiye Student Evaluation
This data set contains a total 5820 evaluation scores provided by students from Gazi University in Ankara (Turkey). There is a total of 28 course specific questions and additional 5 attributes.
このデータセットには、アンカラ(トルコ)のGazi Universityの学生による合計5820件の評価スコアが含まれています。合計28のコースの特定の質問と追加の5つの属性があります。

TV News Channel Commercial Detection Dataset
TV Commercials data set consists of standard audio-visual features of video shots extracted from 150 hours of TV news broadcast of 3 Indian and 2 international news channels ( 30 Hours each).
テレビコマーシャルのデータセットは、インディアン3つと国際ニュースチャンネル2つ(それぞれ30時間)の150時間のTVニュース放送から抽出されたビデオショットの標準オーディオビジュアル機能で構成されています。

Twenty Newsgroups
This data set consists of 20000 messages taken from 20 newsgroups.
このデータセットは、20のニュースグループから取得した20000件のメッセージで構成されています。

Twin gas sensor arrays
5 replicates of an 8-MOX gas sensor array were exposed to different gas conditions (4 volatiles at 10 concentration levels each).
8MOXガスセンサーアレイの5つの複製物を異なるガス条件(それぞれ10濃度レベルの4つの揮発物)に曝した。

Twitter Data set for Arabic Sentiment Analysis
This problem of Sentiment Analysis (SA) has been studied well on the English language but not Arabic one. Two main approaches have been devised: corpus-based and lexicon-based.
この感情分析(SA)の問題は英語ではよく研究されていますが、アラビア語ではうまく研究されていません。コーパスベースおよびレキシコンベースの2つの主なアプローチが考案されている。

UbiqLog (smartphone lifelogging)
UbiqLog is the smartphone lifelogging tool that runs on the smartphone of 35 users for about 2 months.
UbiqLogは35人のユーザーのスマートフォンで約2ヶ月間実行されるスマートフォンのライフログツールです。

UJI Pen Characters
Data consists of written characters in a UNIPEN-like format
データは、UNIPENのような書式で書かれた文字で構成されています

UJI Pen Characters (Version 2)
A pen-based database with more than 11k isolated handwritten characters
11k以上の手書き文字を持つペンベースのデータベース

UJIIndoorLoc
The UJIIndoorLoc is a Multi-Building Multi-Floor indoor localization database to test Indoor Positioning System that rely on WLAN/WiFi fingerprint.
UJIIndoorLocは、WLAN / WiFi指紋に依存する屋内測位システムをテストするためのマルチビルディングマルチフロア屋内ローカリゼーションデータベースです。

UJIIndoorLoc-Mag
The UJIIndoorLoc-Mag is an indoor localization database to test Indoor Positioning System that rely on Earth’s magnetic field variations.
UJIIndoorLoc-Magは、地球の磁場変動に依存する屋内測位システムをテストする屋内ローカリゼーションデータベースです。

Undocumented
Various datasets without documentation (feel free to explore!)
ドキュメンテーションのないさまざまなデータセット(自由に探検してください!)

University
Data in original (LISP-readable) form
元の(LISP可読の)形式のデータ

UNIX User Data
This file contains 9 sets of sanitized user data drawn from the command histories of 8 UNIX computer users at Purdue over the course of up to 2 years.
このファイルには、Purdueの8人のUNIXコンピュータユーザーのコマンド履歴から作成された9セットの消毒済みユーザーデータが含まれています(最長2年間)。

Urban Land Cover
Classification of urban land cover using high resolution aerial imagery. Intended to assist sustainable urban planning efforts.
高解像度航空写真を用いた都市土地被覆の分類。持続可能な都市計画の取り組みを支援することを目的としています。

URL Reputation
Anonymized 120-day subset of the ICML-09 URL data containing 2.4 million examples and 3.2 million features.
240万の例と320万の機能を含むICML-09 URLデータの匿名化された120日間のサブセット。

US Census Data (1990)
The USCensus1990raw data set contains a one percent sample of the Public Use Microdata Samples (PUMS) person records drawn from the full 1990 census sample.
USCensus1990rawデータセットには、1990年国勢調査サンプル全体から抽出されたPublic Use Microdata Samples(PUMS)人物レコードの1%のサンプルが含まれています。

User Identification From Walking Activity
The dataset collects data from an Android smartphone positioned in the chest pocket from 22 participants walking in the wild over a predefined path.
このデータセットは、あらかじめ定義された経路を越えて野生の中を歩く22人の参加者から、チェストポケットに配置されたAndroidスマートフォンからデータを収集します。

User Knowledge Modeling
It is the real dataset about the students’ knowledge status about the subject of Electrical DC Machines. The dataset had been obtained from Ph.D. Thesis.
これは、電気的DC機械の主題に関する学生の知識状態に関する実際のデータセットです。データセットはPh.D.論文。

USPTO Algorithm Challenge, run by NASA-Harvard Tournament Lab and TopCoder Problem: Pat
Pat : Data used for USPTO Algorithm Competition. Contains drawing pages from US patents with manually labeled figure and part labels.
Pat:USPTOアルゴリズム競技に使用されるデータ。手作業でラベルが貼られた米国特許の図面ページが含まれています。

Vertebral Column
Data set containing values for six biomechanical features used to classify orthopaedic patients into 3 classes (normal, disk hernia or spondilolysthesis) or 2 classes (normal or abnormal).
整形外科の患者を3つのクラス(正常、円板ヘルニアまたは脊椎石灰化)または2つのクラス(正常または異常)に分類するために使用される6つの生体力学的特徴の値を含むデータセット。

Vicon Physical Action Data Set
The Physical Action Data Set includes 10 normal and 10 aggressive physical actions that measure the human activity. The data have been collected by 10 subjects using the Vicon 3D tracker.
物理的行動データセットは、人間の活動を測定する10の通常の物理的アクションと10の積極的な物理的アクションを含む。データは、Vicon 3Dトラッカーを使用して10人の被験者によって収集されています。

Volcanoes on Venus – JARtool experiment
The JARtool project was a pioneering effort to develop an automatic system for cataloging small volcanoes in the large set of Venus images returned by the Magellan spacecraft.
JARtoolプロジェクトは、マゼラン宇宙船から返された大きな金星画像の小さな火山を目録化するための自動システムを開発する先駆的な取り組みでした。

Wall-Following Robot Navigation Data
The data were collected as the SCITOS G5 robot navigates through the room following the wall in a clockwise direction, for 4 rounds, using 24 ultrasound sensors arranged circularly around its ‘waist’.
SCITOS G5ロボットが時計回り方向に壁に沿って部屋をナビゲートし、4つのラウンドの間、24個の超音波センサをその「ウエスト」の周りに環状に配置して、データを収集しました。

Water Treatment Plant
Multiple classes predict plant state
プラントの状態を予測する複数のクラス

Waveform Database Generator (Version 1)
CART book’s waveform domains
CARTブックの波形ドメイン

Waveform Database Generator (Version 2)
CART book’s waveform domains
CARTブックの波形ドメイン

Wearable Computing: Classification of Body Postures and Movements (PUC-Rio)
Classification of Body Postures and Movements (PUC-Rio) : A dataset with 5 classes (sitting-down, standing-up, standing, walking, and sitting) collected on 8 hours of activities of 4 healthy subjects. We also established a baseline performance index.
身体姿勢と動きの分類(PUC-Rio):健康な4人の被験者の8時間の活動で収集された5つのクラス(座って立って立っている、立っている、歩く、座っている)データセット。また、ベースラインのパフォーマンス指標も確立しました。

Weight Lifting Exercises monitored with Inertial Measurement Units
Six young health subjects were asked to perform 5 variations of the biceps curl weight lifting exercise. One of the variations is the one predicted by the health professional.
6人の若い健康被験者に、上腕二頭筋の重量挙げ運動の5つの変形を行うように求められた。バリエーションの1つは、医療従事者が予測したものです。

Wholesale customers
The data set refers to clients of a wholesale distributor. It includes the annual spending in monetary units (m.u.) on diverse product categories
データセットは、卸売業者のクライアントを指します。これには、多様な製品カテゴリの通貨単位(m.u.)による年間支出

wiki4HE
Survey of faculty members from two Spanish universities on teaching uses of Wikipedia
ウィキペディアの教育利用に関するスペインの2大学からの教員の調査

Wilt
High-resolution Remote Sensing data set (Quickbird). Small number of training samples of diseased trees, large number for other land cover. Testing data set from stratified random sample of image.
高解像度リモートセンシングデータセット(クイックバード)。罹患した樹木の少数の訓練サンプル、他の土地被覆のための多数。階層化されたランダムサンプルの画像からデータセットをテストする。

Wine
Using chemical analysis determine the origin of wines
化学分析を使用してワインの起源を特定する

Wine Quality
Two datasets are included, related to red and white vinho verde wine samples, from the north of Portugal. The goal is to model wine quality based on physicochemical tests (see [Cortez et al., 2009], http://www3.dsi.uminho.pt/pcortez/wine/).
ポルトガル北部の赤と白のvinho verdeワインサンプルに関連する2つのデータセットが含まれています。目標は、物理化学的試験に基づいてワインの品質をモデル化することです([Cortez et al。、2009]、http://www3.dsi.uminho.pt/pcortez/wine/を参照)。

Yacht Hydrodynamics
Delft data set, used to predict the hydodynamic performance of sailing yachts from dimensions and velocity.
デルフトデータセット。寸法と速度からセーリングヨットの流体力学的性能を予測するために使用されます。

YearPredictionMSD
Prediction of the release year of a song from audio features. Songs are mostly western, commercial tracks ranging from 1922 to 2011, with a peak in the year 2000s.
オーディオ機能からの曲のリリース年の予測。曲は、主に西部の商業トラックで、1922年から2011年にかけてのもので、2000年代にピークを迎えました。

Yeast
Predicting the Cellular Localization Sites of Proteins
タンパク質の細胞局在部位の予測

YouTube Comedy Slam Preference Data
This dataset provides user vote data on which video from a pair of videos is funnier collected on YouTube Comedy Slam. The task is to automatically predict this preference based on video metadata.
このデータセットは、YouTubeコメディースラムで収集されたビデオのビデオがより楽になるユーザーの投票データを提供します。タスクは、ビデオメタデータに基づいてこの嗜好を自動的に予測することです。

YouTube Multiview Video Games Dataset
This dataset contains about 120k instances, each described by 13 feature types, with class information, specially useful for exploring multiview topics (cotraining, ensembles, clustering,..).
このデータセットには約120,000個のインスタンスが含まれ、それぞれが13個のフィーチャタイプで記述され、クラス情報があり、マルチビュートピック(コトライニング、アンサンブル、クラスタリングなど)の探索に特に役立ちます。

Zoo
Artificial, 7 classes of animals
人工的、7クラスの動物

関連する記事

  • Ubuntu,R h2oパッケージのインストールの方法Ubuntu,R h2oパッケージのインストールの方法 Rのパッケージh2oは、さまざまなクラスタ環境内のニューラルネットワーク(ディープラーニング)、ランダムフォレスト、勾配ブースティングマシン、一般化線形モデルなどの並列分散機械学習アルゴリズムを計算するビッグデータのためのオープンソースの数学エンジンH2O用のRスクリプト機能である。 ここでは、ubuntu14.04環境下でh2oパッケージのインストールの仕方についてお […]
  • 石川県金沢市周辺のツイッターの利用状況 2014年3月石川県金沢市周辺のツイッターの利用状況 2014年3月 2014年3月の石川県金沢市周辺のツイッターの利用状況を調査した結果を紹介する。利用状況を調査する上で必要となるデータはTwitter […]
  • 地図で見る石川県白山市の人口 2013年12月版地図で見る石川県白山市の人口 2013年12月版 白山市役所が公開している平成25年12月末日の住民基本台帳人口と総務省統計局が公開している地図データを基に人口、人口密度、世帯数などの数値および前年同月からの増減率を地図上に色分けして視覚化したものと上位・下位のランキングをご紹介する。 人口の上位・下位ランキング […]
  • 地図で見る石川県野々市市の人口 2013年12月版地図で見る石川県野々市市の人口 2013年12月版 野々市市役所が公開している平成25年12月末日の住民基本台帳人口と総務省統計局が公開している地図データを基に人口、人口密度、世帯数などの数値および前年同月からの増減率を地図上に色分けして視覚化したものと上位・下位のランキングをご紹介する。 人口の上位・下位ランキング […]
  • 地図で見る石川県金沢市の人口 2014年1月地図で見る石川県金沢市の人口 2014年1月 金沢市役所が公開している平成26年1月の住民基本台帳人口と総務省統計局が公開している地図データを基に人口、人口密度、世帯数、未成年・高齢者の年齢別などの数値および前年同月からの増減率を地図上に色分けして視覚化したものと上位・下位のランキングをご紹介する。 人口、世帯数などのデータを活用しようと考えた場合、まずは国勢調査を思いつくが、国勢調査は5年ごとに行われており、最近 […]
UCI 機械学習リポジトリのデータセット一覧

One thought on “UCI 機械学習リポジトリのデータセット一覧

Comments are closed.