生物信息神奇網站系列（十二）：機器學習數據集

來自專欄 基因學院

編者按

天天都被媒體的大數據，機器學習，人工智慧忽悠，但是常言道「巧婦難為無米之炊」，要實現這些，數據才是重點；有時候想測試一些演算法，手頭沒有現成的測試數據也比較麻煩。不過，加州大學歐文分校提供了一個機器學習的數據集，可以從中下載大量數據，用於機器學習研究。

十二：加州大學歐文分校機器學習數據集

http://archive.ics.uci.edu/ml/index.php

1、登錄網站，可以看到「Welcome to the UC Irvine Machine Learning Repository!」。下面是對網站的一些介紹，目前收入418個數據集。

2、這些數據集可以根據多個維度進行分類，例如分析類型，數據類型，研究領域，屬性，文件類型等，並且每個分類數據的數量。

3、我們可以使用Life Science分類下的數據，目前已經收錄97個數據集。

4、這其中乳腺癌的數據集Breast比較常用，在多個利用機器學習進行診斷的案例中都會用到。點擊Breast的連接就會看到這個數據集相關的內容。包括數據介紹以及FTP下載目錄。

http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+%28Original%29

5、頁面中會給出頁面詳細的介紹。

6、點擊Download: Data Folder，鏈接到數據下載ftp頁面，直接點擊文件就可以下載了。

7、也可以滑鼠右鍵點擊，直接複製下載鏈接，直接在程序中進行下載，例如在R中，直接利用read.table()函數下載即可。