Papers with Code 现在已经集成了 3044 个机器学习数据集,点点鼠标就能检索需要的数据集。
在机器学习中,数据集占据了重要的一部分。研究人员除了需要开发先进的算法外,其实数据集的建立才是最基础也是最重要的部分。在过往的研究中,机器学习从业者也建立了许多可用的数据集。
近日,查找论文对应开源代码的神器 Papers with Code 官网发布,Datasets 已经实现了 3044 个机器学习数据集的汇总,并且按照不同的类型进行归类,还具有过滤功能,值得一看。我们现在正在索引 3000 + 来自机器学习的数据集。使用者可以按照任务分类和模式进行数据集查找,还可以按照时间比较数据集的使用情况、浏览基准等要素进行查找。网站地址:https://www.paperswithcode.com/datasets在这 3044 个机器学习数据集里,不乏我们常用的经典数据集,例如,ImageNet、COCO、CIFAR-10、MNIST 等。如果你想搜索指定的数据集,该网站也具备检索功能,例如从事计算机视觉的研究者,比较关心的是人脸数据集,这时就可以在搜索框敲入要搜索的内容,如果数据集的全拼你没有记住,也不用担心,只需键入几个字母,搜索栏就会出现相应的数据集。该 Datasets 对数据集进行了归纳整理,包含图像类、文本类、视频类等多个类别。以文本数据集为例,点击「Texts」选项,右侧页面会显示和文本相关的数据集,从检索结果可以看出,符合要求的有 828 个数据集。机器学习研究分为不同的任务,我们都了解做自然语言推理任务的数据集不能用来进行机器翻译。怎样才能找到适合的数据集呢?Papers with Code 的 Datasets 具有该功能,该研究对 3044 个数据集根据任务进行了分类。包括问答、语言模型、视觉问答等。以左侧栏红框中标出的「Named Entity Recognition」为例,点击「Named Entity Recognition」,右侧页面检索出来有 28 个相关数据集,但它的检索条件是「Named Entity Recognition」以及「Texts」,如绿色框所示。如果你不想要这个检索条件,可以在设置「Texts」条件功能区内,将该条件取消,取消方式是点击「clear」。此外,使用者还可以根据语言类型进行数据集的过滤,包括中文、英文等,根据自己的需求选择合适的数据集。以中文为例,检索出 88 个数据集,在检索结果里,除了显示符合条件的数据集外,还显示了检索条件,如图中的红框所示「Chinese」,如果检索条件有多个,该条目会显示多个检索条件。