周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等【五】

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

81. 这确实是一个让人有些毛骨悚然的名字，Maryland大学还有个“全球恐怖主义数据库”，这是一组由 11.3万个恐怖事件组成的数据集。你可以在填完表后下载它。可视化这些数据，对一些易受影响的地区进行预测，可以防止恐怖袭击，建立提前预警系统。

82. MNIST数据库是机器学习领域的一个经典。它是由一组带标签的手写字符组成，这对OCR算法来说是必不可少的。如今，一些算法的判断能力甚至比人类法官还要准确！在将来，我们会要求让机器来做判决。

83. UCI为我们提供了 扑克牌数据集。我不擅长玩扑克，但我敢肯定关于扑克一定会有一些有趣的分析可做。我听说在扑克界人类仍然比机器更有优势，但我觉得这种说法不太可靠。

84. UCI的另一个数据集：其中，图像被简单的分为广告和非广告两种。基于该数据集可以自动拦截广告或进行垃圾邮件的检测，也许还能应用到Google Glass中，过滤掉现实生活中的广告，那一定是一件很酷的事情。我们看到的将不再是一个广告牌，而是自然景观的虚拟扩展。

85. 还记得Star Wars Kid崩溃事件吗？Attack of the Show将它评为了史上第一病毒视屏。Andy Baio策划了这一事件，还杜撰了“Star Wars Kid”这一词，并将他的 服务器日志公开发表。

86. 怎样知道在Wordpress上谁链接到了谁（或者是某物）？可视化网络是件很了不起的事情，但如果它能揭示一些关于“超节点”的信息，或许会更好，“超节点”是指被许多节点连接或者连接到许多节点的节点（也许两者都有）。如果你有兴趣， 也可以利用这些数据将不同的人归类。

87. Obama是更喜欢石油大亨？还是极端环保主义者？或是玉米游说团体？是谁在背后支持Herman Cain？我们已经可以下载到 2012总统竞选的财务数据，用来分析哪些行业偏向于哪位候选人想必是也极好的。

88. 哪所私立大学最有价值？

89. 哪所公立大学最有价值？

90. 按州统计的香烟数据。肯塔基州抽的最多，西弗吉尼亚州第二。 鉴于烟草的巨大社会危害，一个不错的分析也许可以挽救很多人的生命。

91. 在2008年12月5日，从Pirate Bay可以下载到什么？

92. 想要构建一个Reddit推荐引擎吗？（或换个说法会更好——你觉得把那些愚蠢却流行的意见过滤掉怎么样？）不错，用Redditor完全可以做到这一点，Redditor会是个不错的推荐引擎。

93. 全球健康数据。用这些数据来确定改善世界健康的方法会很有效，像血吸虫病控制倡议一样，这一项目被GiveWell列为评价最高的慈善机构之一。

94. 美国从1960年到2012年的犯罪事件。谈论犯罪虽然在道德上令人反感，但在电视上节目开个玩笑还是无伤大雅的。

95. 发起一项为浴室中的Yelp运动怎么样？

96. 你知道在加拿大，杂货店的畅销品是卡夫晚餐（aka通心粉和奶酪）吗？我想知道它在比利时或者台湾销售的怎么样，这里为我们提供了 部分超市的数据。

97. 火狐浏览器使用情况的数据。记录比如选项卡的使用数量，活跃状态的时间，隐私标签打开的数目。虽然隐私标签这一词或许会让一些人浮想联翩，但用来比较互联网与实际数据之间准确度还是很不错的。

98. 非常强大的一个数据：Mozilla将Mozilla和Eclipse中发现的 超过20万个bug放到一个数据集中。我很想看看哪些bug导致的奔溃最常见，以及如何预防这些奔溃，当然也只有参考这些数据，才能设计出更好的编程语言。

99. 如果你对设计调度算法感兴趣的话，你会对这一消息感兴趣： Google开放了他们在集群上作业排序的数据集。开发针对数据集的算法可能会帮助未来验证你的发现。毕竟，明天的桌面系统很可能会像今天数据中心一样强大。

100. Techcrunch开放了一个具有超过400 000家公司、投资者和企业家的档案的数据集，此外还有45,000轮投资记录，这或许是一个逆向发现市场需求和投资者的投资倾向的好方法。

101. 125万个delicious.com书签。

102. 美国主要的军事设施分布在哪？

103. 谁是H1-B信用卡的接受者？你可能想知道一些国家是否接受信用卡，或者哪些公司接受大部分的信用卡消费。

104. Twitter用户很有可能被Hacker News的读者跟踪。

105. 这里有 1000年到1903年之间的所有地震数据。将这些数据“喂”给一个神经网络，也许能看到一些关于地震的预测。

106. 我常常想会不会有人做在线人格测试发现比大多数人更神经质？从很多在线性格测试项目中可以得到 大量可用的数据，将性格测试的答案与大众的答案进行比较，就可以找出那些比较神经质的人。

107. 脏话表

来源：CSDN

原文连接： 100+ Interesting Data Sets for Statistics（翻译/蔡仁君、毛梦琪 责编/仲浩）

周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等【一】
周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等【二】
周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等【三】
周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等【四】
周末巨献：100+诡异的数据集，20万Eclipse Bug、死囚遗言等【五】

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：Eclipse CLIPS Clip lips PSE 恐怖事件 扑克牌 数据库 标签 大学

这个有意思