数据集（Dataset）是为特定研究、分析或模型训练目的，按统一结构组织的数据集合，是数据分析、机器学习与 AI 的核心基础。
一、核心概念与结构
- 定义：按规则组织的结构化 / 非结构化数据集合，可理解为 AI 模型的 “教材”。
- 基本构成：
- 样本（Sample）：每行数据，如一条用户记录、一张图片。
- 特征（Feature）：每列属性，如年龄、价格、文本内容。
- 标签（Label）：监督学习中需预测的目标，如分类结果、真实价格。
- 常见格式：CSV、JSON、Parquet、图像（JPG/PNG）、音频（WAV/MP3）、视频（MP4）等。
二、主要类型
按数据结构
- 结构化：行列清晰（如表格、数据库），适合传统统计与机器学习。
- 非结构化：无固定格式（如文本、图像、音频、视频）。
- 半结构化：含标签 / 元数据（如 JSON、XML）。
按应用场景
- 通用入门：鸢尾花、泰坦尼克号、MNIST 手写数字、CIFAR 图像分类。
- 计算机视觉：ImageNet、COCO（目标检测 / 分割）、OpenImages。
- 自然语言处理（NLP）：IMDB 影评、THUCNews 中文新闻、Common Crawl 网页语料。
- 金融经济：Quandl、世界银行开放数据、FRED 美联储经济数据。
- 地理空间：OpenStreetMap、卫星遥感数据集。
- 时序数据：股票价格、气象记录、传感器时序数据。
三、主流公开数据集平台
国际平台
国内平台
四、获取与使用要点
- 明确用途：先确定任务（分类 / 回归 / 生成 / 分析），再匹配数据集。
- 检查许可：注意商用 / 非商用、署名、衍生限制。
- 数据质量：优先完整、干净、标注规范的数据集。
- 获取方式：官网下载、API 调用、云端直接查询、框架内置（如 Keras Datasets）。
