当你学习机器学习的时候，最好是用真实世界的数据，而不仅仅是人工数据集。幸运的是，有数以千计的开放数据集可供选择，范围涵盖各种领域。以下是一些可以获得数据的地方:

• 流行的开放数据存储库:

  • 加州大学欧文分校机器学习资料库

  • Kaggle数据集

  • Amazon AWS数据集

• 综合门户网站(他们列出了开放的数据仓库):

  • http://dataportals.org/

  • http://opendatamonitor.eu/

  • http://quandl.com/

• 其他列出了许多流行的开放数据存储库的页面:

  • 维基百科的机器学习数据列表。

  • Quora.com

  • 数据集subreddit

在本章中，我们从StatLib存储库中选择了加州房价数据集(参见图2-1)。这个数据集基于1990年加州人口普查的数据。这并不是最近的(你在旧金山湾区还能买到一栋漂亮的房子)，但它有很多学习的特质，所以我们会假装它是最近的数据。我们还添加了一个分类属性，并删除了一些用于教学目的的功能。