转自http://www.cppblog.com/cdy20/archive/2012/10/10/193134.html
资料库
- KDD杯的中心，所有的数据，任务和结果。
- UCI机器学习和知识发现研究中使用的大型数据集KDD数据库存储库。
- UCI机器学习数据库。
- AWS（亚马逊网络服务）公共数据集，提供了一个集中的资料库，可以无缝集成到基于AWS的云应用程序的公共数据集。
- 生物测定数据，在 虚拟筛选，生物测定数据，对化学信息学，J.由阿曼达Schierz的，有21个生物测定数据集（有效/无效的化合物）可供下载。
- 加拿大开放数据，许多政府和地理空间数据集的试点项目。
- 因果关系工作平台的数据存储库。
- 数据源手册，指南公开数据，由皮特·沃登，奥莱利（2011年1月）。
- Data.gov.uk，英国（伦敦数据存储的公开数据 ）。
- Data.gov /教育，中央指导教育数据资源，包括高价值的数据集，数据可视化工具，课堂上的资源，创建开放数据和更多的应用程序。
- DataMarket，可视化世界的经济，社会，自然，与行业，与100万次系列由联合国，世界银行，欧盟统计局和其他重要的数据提供者。
- Datamob，公共数据善加利用。
- DataSF.org，从旧金山市与县，CA的数据资料交换所。
- DataFerrett，数据挖掘工具，访问和操纵TheDataWeb，许多美国上线的电子政务数据集的集合。
- 钻研，评估学习有效的实验数据
- EconData，成千上万的经济时间序列，产生一些美国政府机构。
- 安然邮件数据集，约150个用户的数据，主要是安然公司的高级管理人员。
Europeana的数据，包含2000万的文本，图像，视频和声音Europeana的-欧洲文化遗产内容的信任和全面的资源收集的开放的元数据。- FEDSTATS，美国的统计数据，更全面的信息来源
- FIMI频繁项集挖掘，实现和数据集库。
- 财务数据搜索在OSU，大的目录的财务数据集。
- 全球环境展望（GEO基因表达OMNIBUS） ，基因表达/分子的丰富存储库支持MIAME兼容的数据提交，并策划，网络资源的基因表达数据的浏览，查询和检索。
- GeoDa中心，地理空间数据。
- 的谷歌ngrams数据集，从数以百万计的谷歌扫描图书的文字。
- 粮食市场调研，财务数据，包括股票，期货等。
- 希拉里·梅森研究质量的大数据集的集合-许多文本和图像数据集。
- ICWSM-2009年的数据集包含4400万8月1日和2008年10月1日的博客文章。
- Infochimps，公开目录和市场数据。您可以共享，出售，牧师和下载任何东西，一切有关的数据。
- 投资者的链接，包括财务数据
- 凯文湾仔数据集列表，文本，SNA，和其他领域。
- KONECT，科布伦茨网络的收集，与所有类型的大型网络数据集，以执行网络挖掘领域的研究。
- 关联开放数据项目，数据免费提供给大家。
- 万首歌曲数据集
- 麻省理工学院癌症基因组基因表达数据和出版物，从麻省理工学院怀特黑德基因组研究中心。
- ML数据，数据存储库的，欧盟Pascal2网络。
- 纳斯达克Data Store数据存储系统，提供市场数据的访问。
- 国民政府统计网站，数据，报告，统计年鉴，新闻发布，以及来自约70个网站，其中包括来自非洲，欧洲，亚洲和拉丁美洲的国家。
- 国家空间科学数据中心（NSSDC），美国航空航天局的数据集从行星探测，空间和太阳物理，生命科学，天体物理学，和更多。
- OpenData Socrata，访问超过10,000的数据集，包括商业，教育，政府和乐趣。
- 彼得Skomoroch数据集书签
- PubGene（TM）基因数据库和工具，基因组学相关的出版物数据库
- 罗伯特·席勒住房，股市，并从他的著 作“非理性繁荣的数据。
- SMD：斯坦福微阵列数据库，从微阵列实验的原料和标准化的数据存储。
- SourceForge.net研究资料，包括历史和状态统计，约10万的项目和超过100万注册用户的活动，在项目管理网站。
- StatLib，债务工具中央结算系统的数据集存档。
- STATOO数据集的第1部分和 STATOO数据集的第2部分
- 时间序列资料库
- 可视化分析测试资源库。
- UCR的时间序列数据存档，提供数据集，文件，链接和代码。
- 美国人口调查局。
- Wikiposit，（虚拟）合并（主要是金融）从许多不同的网站的数据，使用户能够合并来自不同来源的数据
- 雅虎沙盒的数据集，语言，图形，资信评级，广告和市场营销，竞争
- Yelp的学术资料集，所有的数据和评论的250企业，30所大学的学生和学者探索和研究。