你需要标准数据集来练习机器学习。
在这篇短文中，你将了解如何在 R 中加载标准分类和回归数据集。
本文将向你介绍 3 个可用于加载标准数据集的 R 库，以及 10 个可用于 R 中机器学习的特定数据集。
在 R 中加载标准数据集非常有价值，因为你可以测试、练习和实验机器学习技术，并提高你对该平台的技能。
使用我的新书 《R 语言机器学习精通》 来开启你的项目，书中包含分步教程和所有示例的R 源代码文件。
让我们开始吧。
在小巧且易于理解的数据集上练习
有数百个标准测试数据集可供你练习和提高机器学习能力。
其中大部分都免费托管在 UCI 机器学习数据库中。这些数据集很有用，因为它们易于理解、行为良好且规模小。
最后这一点在练习机器学习时至关重要，因为
- 你可以快速下载它们。
- 你可以轻松地将它们加载到内存中。
- 你可以快速地在它们上面运行算法。
在以下文章中了解更多关于使用 UCI 机器学习数据库中的数据集练习机器学习的信息：
在 R 中访问标准数据集
你可以将标准数据集加载到 R 中作为 CSV 文件。
还有一种更便捷的加载标准数据集的方法。它们已被打包，并可在第三方 R 库中使用，你可以从综合 R 存档网络 (CRAN) 下载。
你应该使用哪些库，以及哪些数据集适合开始。
需要更多关于R机器学习的帮助吗？
参加我为期14天的免费电子邮件课程，了解如何在您的项目中使用R（附带示例代码）。
点击注册，同时获得该课程的免费PDF电子书版本。
如何在 R 中加载标准数据集
在本节中，你将了解可用于访问标准机器学习数据集的库。
你还将了解可以加载和使用的特定分类和回归数据集，以便在 R 中练习机器学习。
库：datasets
鸢尾花数据集
照片由 Rick Ligthelm 提供，部分权利保留。
datasets 库随附于基础 R，这意味着你无需显式加载该库。它包含大量可用的数据集。
你可以通过输入以下命令来加载此库中的数据集：
|
1 |
data(DataSetName) |
例如，要加载非常常用的 iris 数据集。
|
1 |
data(iris) |
要查看此库中可用数据集的列表，可以输入：
|
1 2 |
# 列出包中的所有数据集 library(help = "datasets") |
下面是一些你可以使用的该包中的数据集亮点。
鸢尾花数据集
|
1 2 3 4 5 |
# 鸢尾花数据集 data(iris) dim(iris) levels(iris$Species) head(iris) |
你会看到：
|
1 2 3 4 5 6 7 |
Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa |
Longley 的经济回归数据
- 描述：根据经济变量预测就业人数
- 类型：回归
- 维度：16 个实例，7 个属性
- 输入：数值
- 输出：数值
|
1 2 3 4 |
# Longley 的经济回归数据 data(longley) dim(longley) head(longley) |
你会看到：
|
1 2 3 4 5 6 7 |
GNP.deflator GNP Unemployed Armed.Forces Population Year Employed 1947 83.0 234.289 235.6 159.0 107.608 1947 60.323 1948 88.5 259.426 232.5 145.6 108.632 1948 61.122 1949 88.2 258.054 368.2 161.6 109.773 1949 60.171 1950 89.5 284.599 335.1 165.0 110.929 1950 61.187 1951 96.2 328.975 209.9 309.9 112.075 1951 63.221 1952 98.1 346.999 193.2 359.4 113.270 1952 63.639 |
库：mlbench
大豆数据集
照片由 United Soybean Board 提供，部分权利保留。
直接来自库的手册
一系列人工和真实世界的机器学习基准问题，包括 UCI 数据库的多个数据集。
你可以在 mlbench CRAN 页面上了解更多关于 mlbench 库的信息。
如果未安装，可以按以下方式安装此库：
|
1 |
install.packages("mlbench") |
你可以按以下方式加载库：
|
1 2 |
# 加载库 library(mlbench) |
要查看此库中可用数据集的列表，可以输入：
|
1 2 |
# 列出库的内容 library(help = "mlbench") |
下面是你可以使用的该库的一些数据集亮点：
波士顿住房数据
- 描述：根据房屋细节预测波士顿的房价
- 类型：回归
- 维度：506 个实例，14 个属性
- 输入：数值
- 输出：数值
- UCI 机器学习数据库：描述
|
1 2 3 4 |
# 波士顿住房数据 data(BostonHousing) dim(BostonHousing) head(BostonHousing) |
你会看到：
|
1 2 3 4 5 6 7 |
crim zn indus chas nox rm age dis rad tax ptratio b lstat medv 1 0.00632 18 2.31 0 0.538 6.575 65.2 4.0900 1 296 15.3 396.90 4.98 24.0 2 0.02731 0 7.07 0 0.469 6.421 78.9 4.9671 2 242 17.8 396.90 9.14 21.6 3 0.02729 0 7.07 0 0.469 7.185 61.1 4.9671 2 242 17.8 392.83 4.03 34.7 4 0.03237 0 2.18 0 0.458 6.998 45.8 6.0622 3 222 18.7 394.63 2.94 33.4 5 0.06905 0 2.18 0 0.458 7.147 54.2 6.0622 3 222 18.7 396.90 5.33 36.2 6 0.02985 0 2.18 0 0.458 6.430 58.7 6.0622 3 222 18.7 394.12 5.21 28.7 |
威斯康星乳腺癌数据库
|
1 2 3 4 5 |
# 威斯康星乳腺癌数据库 data(BreastCancer) dim(BreastCancer) levels(BreastCancer$Class) head(BreastCancer) |
你会看到：
|
1 2 3 4 5 6 7 |
Id Cl.thickness Cell.size Cell.shape Marg.adhesion Epith.c.size Bare.nuclei Bl.cromatin Normal.nucleoli Mitoses Class 1 1000025 5 1 1 1 2 1 3 1 1 benign 2 1002945 5 4 4 5 7 10 3 2 1 benign 3 1015425 3 1 1 1 2 2 3 1 1 benign 4 1016277 6 8 8 1 3 4 3 7 1 benign 5 1017023 4 1 1 3 2 1 3 1 1 benign 6 1017122 8 10 10 8 7 10 9 7 1 malignant |
玻璃识别数据库
|
1 2 3 4 5 |
# 玻璃识别数据库 data(Glass) dim(Glass) levels(Glass$Type) head(Glass) |
你会看到：
|
1 2 3 4 5 6 7 |
RI Na Mg Al Si K Ca Ba Fe Type 1 1.52101 13.64 4.49 1.10 71.78 0.06 8.75 0 0.00 1 2 1.51761 13.89 3.60 1.36 72.73 0.48 7.83 0 0.00 1 3 1.51618 13.53 3.55 1.54 72.99 0.39 7.78 0 0.00 1 4 1.51766 13.21 3.69 1.29 72.61 0.57 8.22 0 0.00 1 5 1.51742 13.27 3.62 1.24 73.08 0.55 8.07 0 0.00 1 6 1.51596 12.79 3.61 1.62 72.97 0.64 8.07 0 0.26 1 |
约翰霍普金斯大学电离层数据库
|
1 2 3 4 5 |
# 约翰霍普金斯大学电离层数据库 data(Ionosphere) dim(Ionosphere) levels(Ionosphere$Class) head(Ionosphere) |
你会看到：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 1 1 0 0.99539 -0.05889 0.85243 0.02306 0.83398 -0.37708 1.00000 0.03760 0.85243 -0.17755 0.59755 -0.44945 0.60536 -0.38223 0.84356 -0.38542 0.58212 2 1 0 1.00000 -0.18829 0.93035 -0.36156 -0.10868 -0.93597 1.00000 -0.04549 0.50874 -0.67743 0.34432 -0.69707 -0.51685 -0.97515 0.05499 -0.62237 0.33109 3 1 0 1.00000 -0.03365 1.00000 0.00485 1.00000 -0.12062 0.88965 0.01198 0.73082 0.05346 0.85443 0.00827 0.54591 0.00299 0.83775 -0.13644 0.75535 4 1 0 1.00000 -0.45161 1.00000 1.00000 0.71216 -1.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 -1.00000 0.14516 0.54094 -0.39330 -1.00000 5 1 0 1.00000 -0.02401 0.94140 0.06531 0.92106 -0.23255 0.77152 -0.16399 0.52798 -0.20275 0.56409 -0.00712 0.34395 -0.27457 0.52940 -0.21780 0.45107 6 1 0 0.02337 -0.00592 -0.09924 -0.11949 -0.00763 -0.11824 0.14706 0.06637 0.03786 -0.06302 0.00000 0.00000 -0.04572 -0.15540 -0.00343 -0.10196 -0.11575 V20 V21 V22 V23 V24 V25 V26 V27 V28 V29 V30 V31 V32 V33 V34 Class 1 -0.32192 0.56971 -0.29674 0.36946 -0.47357 0.56811 -0.51171 0.41078 -0.46168 0.21266 -0.34090 0.42267 -0.54487 0.18641 -0.45300 good 2 -1.00000 -0.13151 -0.45300 -0.18056 -0.35734 -0.20332 -0.26569 -0.20468 -0.18401 -0.19040 -0.11593 -0.16626 -0.06288 -0.13738 -0.02447 bad 3 -0.08540 0.70887 -0.27502 0.43385 -0.12062 0.57528 -0.40220 0.58984 -0.22145 0.43100 -0.17365 0.60436 -0.24180 0.56045 -0.38238 good 4 -0.54467 -0.69975 1.00000 0.00000 0.00000 1.00000 0.90695 0.51613 1.00000 1.00000 -0.20099 0.25682 1.00000 -0.32382 1.00000 bad 5 -0.17813 0.05982 -0.35575 0.02309 -0.52879 0.03286 -0.65158 0.13290 -0.53206 0.02431 -0.62197 -0.05707 -0.59573 -0.04608 -0.65697 good 6 -0.05414 0.01838 0.03669 0.01519 0.00888 0.03513 -0.01535 -0.03240 0.09223 -0.07859 0.00732 0.00000 0.00000 -0.00039 0.12011 bad |
皮马印第安人糖尿病数据库
|
1 2 3 4 5 |
# 皮马印第安人糖尿病数据库 data(PimaIndiansDiabetes) dim(PimaIndiansDiabetes) levels(PimaIndiansDiabetes$diabetes) head(PimaIndiansDiabetes) |
你会看到：
|
1 2 3 4 5 6 7 |
pregnant glucose pressure triceps insulin mass pedigree age diabetes 1 6 148 72 35 0 33.6 0.627 50 pos 2 1 85 66 29 0 26.6 0.351 31 neg 3 8 183 64 0 0 23.3 0.672 32 pos 4 1 89 66 23 94 28.1 0.167 21 neg 5 0 137 40 35 168 43.1 2.288 33 pos 6 5 116 74 0 0 25.6 0.201 30 neg |
声纳，地雷与岩石
|
1 2 3 4 5 |
# 声纳，地雷与岩石 data(Sonar) dim(Sonar) levels(Sonar$Class) head(Sonar) |
你会看到：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 V21 V22 1 0.0200 0.0371 0.0428 0.0207 0.0954 0.0986 0.1539 0.1601 0.3109 0.2111 0.1609 0.1582 0.2238 0.0645 0.0660 0.2273 0.3100 0.2999 0.5078 0.4797 0.5783 0.5071 2 0.0453 0.0523 0.0843 0.0689 0.1183 0.2583 0.2156 0.3481 0.3337 0.2872 0.4918 0.6552 0.6919 0.7797 0.7464 0.9444 1.0000 0.8874 0.8024 0.7818 0.5212 0.4052 3 0.0262 0.0582 0.1099 0.1083 0.0974 0.2280 0.2431 0.3771 0.5598 0.6194 0.6333 0.7060 0.5544 0.5320 0.6479 0.6931 0.6759 0.7551 0.8929 0.8619 0.7974 0.6737 4 0.0100 0.0171 0.0623 0.0205 0.0205 0.0368 0.1098 0.1276 0.0598 0.1264 0.0881 0.1992 0.0184 0.2261 0.1729 0.2131 0.0693 0.2281 0.4060 0.3973 0.2741 0.3690 5 0.0762 0.0666 0.0481 0.0394 0.0590 0.0649 0.1209 0.2467 0.3564 0.4459 0.4152 0.3952 0.4256 0.4135 0.4528 0.5326 0.7306 0.6193 0.2032 0.4636 0.4148 0.4292 6 0.0286 0.0453 0.0277 0.0174 0.0384 0.0990 0.1201 0.1833 0.2105 0.3039 0.2988 0.4250 0.6343 0.8198 1.0000 0.9988 0.9508 0.9025 0.7234 0.5122 0.2074 0.3985 V23 V24 V25 V26 V27 V28 V29 V30 V31 V32 V33 V34 V35 V36 V37 V38 V39 V40 V41 V42 V43 V44 1 0.4328 0.5550 0.6711 0.6415 0.7104 0.8080 0.6791 0.3857 0.1307 0.2604 0.5121 0.7547 0.8537 0.8507 0.6692 0.6097 0.4943 0.2744 0.0510 0.2834 0.2825 0.4256 2 0.3957 0.3914 0.3250 0.3200 0.3271 0.2767 0.4423 0.2028 0.3788 0.2947 0.1984 0.2341 0.1306 0.4182 0.3835 0.1057 0.1840 0.1970 0.1674 0.0583 0.1401 0.1628 3 0.4293 0.3648 0.5331 0.2413 0.5070 0.8533 0.6036 0.8514 0.8512 0.5045 0.1862 0.2709 0.4232 0.3043 0.6116 0.6756 0.5375 0.4719 0.4647 0.2587 0.2129 0.2222 4 0.5556 0.4846 0.3140 0.5334 0.5256 0.2520 0.2090 0.3559 0.6260 0.7340 0.6120 0.3497 0.3953 0.3012 0.5408 0.8814 0.9857 0.9167 0.6121 0.5006 0.3210 0.3202 5 0.5730 0.5399 0.3161 0.2285 0.6995 1.0000 0.7262 0.4724 0.5103 0.5459 0.2881 0.0981 0.1951 0.4181 0.4604 0.3217 0.2828 0.2430 0.1979 0.2444 0.1847 0.0841 6 0.5890 0.2872 0.2043 0.5782 0.5389 0.3750 0.3411 0.5067 0.5580 0.4778 0.3299 0.2198 0.1407 0.2856 0.3807 0.4158 0.4054 0.3296 0.2707 0.2650 0.0723 0.1238 V45 V46 V47 V48 V49 V50 V51 V52 V53 V54 V55 V56 V57 V58 V59 V60 Class 1 0.2641 0.1386 0.1051 0.1343 0.0383 0.0324 0.0232 0.0027 0.0065 0.0159 0.0072 0.0167 0.0180 0.0084 0.0090 0.0032 R 2 0.0621 0.0203 0.0530 0.0742 0.0409 0.0061 0.0125 0.0084 0.0089 0.0048 0.0094 0.0191 0.0140 0.0049 0.0052 0.0044 R 3 0.2111 0.0176 0.1348 0.0744 0.0130 0.0106 0.0033 0.0232 0.0166 0.0095 0.0180 0.0244 0.0316 0.0164 0.0095 0.0078 R 4 0.4295 0.3654 0.2655 0.1576 0.0681 0.0294 0.0241 0.0121 0.0036 0.0150 0.0085 0.0073 0.0050 0.0044 0.0040 0.0117 R 5 0.0692 0.0528 0.0357 0.0085 0.0230 0.0046 0.0156 0.0031 0.0054 0.0105 0.0110 0.0015 0.0072 0.0048 0.0107 0.0094 R 6 0.1192 0.1089 0.0623 0.0494 0.0264 0.0081 0.0104 0.0045 0.0014 0.0038 0.0013 0.0089 0.0057 0.0027 0.0051 0.0062 R |
大豆数据库
- 描述：根据作物数据预测大豆作物的病虫害。
- 类型：多类分类
- 维度：683 个实例，26 个属性
- 输入：整数（名义）
- 输出：类别，19 个类别标签
- UCI 机器学习数据库：描述
|
1 2 3 4 5 |
# 大豆数据库 data(Soybean) dim(Soybean) levels(Soybean$Class) head(Soybean) |
你会看到：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
Class date plant.stand precip temp hail crop.hist area.dam sever seed.tmt germ plant.growth leaves leaf.halo leaf.marg leaf.size leaf.shread 1 diaporthe-stem-canker 6 0 2 1 0 1 1 1 0 0 1 1 0 2 2 0 2 diaporthe-stem-canker 4 0 2 1 0 2 0 2 1 1 1 1 0 2 2 0 3 diaporthe-stem-canker 3 0 2 1 0 1 0 2 1 2 1 1 0 2 2 0 4 diaporthe-stem-canker 3 0 2 1 0 1 0 2 0 1 1 1 0 2 2 0 5 diaporthe-stem-canker 6 0 2 1 0 2 0 1 0 2 1 1 0 2 2 0 6 diaporthe-stem-canker 5 0 2 1 0 3 0 1 0 1 1 1 0 2 2 0 leaf.malf leaf.mild stem lodging stem.cankers canker.lesion fruiting.bodies ext.decay mycelium int.discolor sclerotia fruit.pods fruit.spots seed mold.growth 1 0 0 1 1 3 1 1 1 0 0 0 0 4 0 0 2 0 0 1 0 3 1 1 1 0 0 0 0 4 0 0 3 0 0 1 0 3 0 1 1 0 0 0 0 4 0 0 4 0 0 1 0 3 0 1 1 0 0 0 0 4 0 0 5 0 0 1 0 3 1 1 1 0 0 0 0 4 0 0 6 0 0 1 0 3 0 1 1 0 0 0 0 4 0 0 seed.discolor seed.size shriveling roots 1 0 0 0 0 2 0 0 0 0 3 0 0 0 0 4 0 0 0 0 5 0 0 0 0 6 0 0 0 0 |
库：AppliedPredictiveModeling
鲍鱼数据集
照片由 MAURO CATEB 提供，部分权利保留。
许多使用 R 的书籍还包含它们自己的 R 库，该库提供了书中使用的所有代码和数据集。
优秀的图书 《应用预测建模》有自己的库，名为 AppliedPredictiveModeling。
如果未安装，可以按以下方式安装此库：
|
1 |
install.packages("AppliedPredictiveModeling") |
你可以按以下方式加载库：
|
1 2 |
# 加载库 library(AppliedPredictiveModeling) |
要查看此库中可用数据集的列表，可以输入：
|
1 2 |
# 列出库的内容 library(help = "AppliedPredictiveModeling") |
该库中的一个数据集亮点是：
鲍鱼数据
- 描述：根据鲍鱼测量数据预测鲍鱼年龄。
- 类型：回归或分类
- 维度：4177 个实例，9 个属性
- 输入：数值和类别
- 输出：整数
- UCI 机器学习数据库：描述
|
1 2 3 4 |
# 鲍鱼数据 data(abalone) dim(abalone) head(abalone) |
你会看到：
|
1 2 3 4 5 6 7 |
Type LongestShell Diameter Height WholeWeight ShuckedWeight VisceraWeight ShellWeight Rings 1 M 0.455 0.365 0.095 0.5140 0.2245 0.1010 0.150 15 2 M 0.350 0.265 0.090 0.2255 0.0995 0.0485 0.070 7 3 F 0.530 0.420 0.135 0.6770 0.2565 0.1415 0.210 9 4 M 0.440 0.365 0.125 0.5160 0.2155 0.1140 0.155 10 5 I 0.330 0.255 0.080 0.2050 0.0895 0.0395 0.055 7 6 I 0.425 0.300 0.095 0.3515 0.1410 0.0775 0.120 8 |
总结
在这篇文章中，你了解到你不需要收集或加载自己的数据就可以在 R 中练习机器学习。
你了解了 3 个提供样本机器学习数据集的不同库，你可以使用这些库：
- datasets 库
- mlbench 库
- AppliedPredictiveModeling 库
你还发现了 10 个可以用来练习分类和回归机器学习技术的标准机器学习数据集。
- 鸢尾花数据集（多类分类）
- Longley 的经济回归数据（回归）
- 波士顿住房数据（回归）
- 威斯康星乳腺癌数据库（二元分类）
- 玻璃识别数据库（多类分类）
- 约翰霍普金斯大学电离层数据库（二元分类）
- 皮马印第安人糖尿病数据库（二元分类）
- 声纳，地雷与岩石（二元分类）
- 大豆数据库（多类分类）
- 鲍鱼数据（回归或分类）
下一步
您是否尝试过这些食谱？
- 启动您的 R 交互式环境。
- 输入或复制粘贴上面的代码示例并尝试一下。
- 使用 R 中的内置帮助来了解有关所用函数的更多信息。
您有问题吗？在评论中提问，我将尽力回答。
在R中发现更快的机器学习！
在几分钟内开发您自己的模型
...只需几行R代码
在我的新电子书中探索如何实现
精通 R 语言机器学习
涵盖自学教程和端到端项目，例如
加载数据、可视化、构建模型、调优等等...
最终将机器学习应用到您自己的项目中
跳过学术理论。只看结果。
谢谢，一如既往的精彩帖子
精彩的帖子！非常感谢您，先生
谢谢！我正在寻找回归数据集，但我不知道其中一个您写过的。但在一个地方您写的是用于回归，而在另一个地方您写的是用于分类。这有点误导。
谢谢 Asia，我已经修正了。
我安装了 R 并练习了一些算法，例如使用“arules”包的 Apriori，但如何安装“mlbench”包来运行以下数据集？
“波士顿住房数据（回归）
威斯康星乳腺癌数据库（二元分类）
玻璃识别数据库（多类分类）
约翰霍普金斯大学电离层数据库（二元分类）
皮马印第安人糖尿病数据库（二元分类）
声纳，地雷与岩石（二元分类）
大豆数据库（多类分类）
鲍鱼数据（回归或分类）”。请提建议。
您可以按照以下方式安装mlbench包
要运行癌症数据集，需要哪些包，您能推荐一下吗？
mlbench包。
Pima Indians Diabetes Database（二元分类）。
您能否推荐另一个“糖尿病”数据集，其属性比Pima Indians Diabetes Database（二元分类）多一个或两个属性，或者少一个或两个属性？不是相同的Pima Indians Diabetes Database（二元分类）。但我只需要“糖尿病”的。
也许您可以在Kaggle或UCI机器学习仓库中搜索？
这一定是您所有帖子中图片与主题最匹配的一篇了。其他的似乎都是随机的。
谢谢Nate。
哈哈！我只是觉得很有趣。
另外，是install.packages()，不是install.library()
谢谢，已修正。
请问如何将中心极限定理应用于大型多变量数据集？
你具体指的是什么？
先生，我想使用年龄数据集来查找年龄。
但我找不到年龄数据集的csv文件。
先生，您能给我一个链接，以便我可以在我的项目中使用吗？
这是我在这里回答的一个常见问题
https://machinelearning.org.cn/faq/single-faq/where-can-i-get-a-dataset-on-___
机器学习是科技行业的革命。
确实如此！