（干货）大数据：70多个网站让你免费获取大数据存储库.pdf

（⼲货）⼤数据： （⼲货）⼤数据：70多个⽹站让你免费获取⼤数据存储库 多个⽹站让你免费获取⼤数据存储库 你是否需要⼤量的数据来检验你的APP性能？最简单的⽅法是从⽹上免费数据存储库下载数据样本。但这种⽅法最⼤的缺点是数据很少有独 特的内容并且不⼀定能达到预期的结果。以下是70多家可以获得免费⼤数据存储库的⽹站。 ：向感兴趣的⽤户提供所有可⽤的内容的免费副本。可以得到多种语⾔的数据。内容连同图⽚可以下载。 建⽴并维护⼀个所有⼈都可以访问的开放的⽹络。这个数据保存在亚马逊s3bucket中，请求者可能花费⼀些钱来访问它。 ：建⽴并维护⼀个开放的⽹络，向所有⼈开放。 ：由381个⽂件夹200种⽂件格式组成。 TLP项⽬创建⼀个可扩展的机器学习算法。Mahout有许多免费的和付费的语料库语料。 v2由安然公司邮件信息和附件组成，存在两组可下载的压缩⽂件中：XML和PST。 ⽤来⽀持信息检索和相关⼈类语⾔技术研究的资料库。它包含了从2009年1⽉到2⽉间收集的⼤约10亿个⽹页，包含10种语⾔。资料库被若 ⼲TREC会议的追踪检测使⽤。 –最⼤的、最全⾯的⼈⼯编辑的开放式⽹站⽬录。它收集了不同类型的⽹站链接。Dmoz是互联⽹搜索引擎的⼀个主要来源。 –这是⼀个⼤数据集⽹站，在这⾥学者、设计师、艺术家等可以交流技巧和窍门，⼀起开发和共享⼯具，并开始整合他们独有的项⽬。 提供超过36000免费电⼦书的下载，可以下载到个⼈电脑、Kindle, Android, iOS or 或其他便携式设备。 ：与tracks 和艺术家有关的数据 ：提供了可以⽆缝融⼊AWS（亚马逊⽹络服务）云应⽤的公共数据集的集中存储库。 . ：研究⽂章"⽣物测定数据的虚拟筛选"，由Amanda Schierz编写，有21个⽣物测定数据集（活性/⾮⽣理活性成分），可以下载。 ：匿名点击政府链接 ：有许多政府和地理空间的数据集的试点项⽬ ：许多政府和地理空间数据集的试点项⽬。 ：数据存储库 ：在德克萨斯⾼级计算中⼼，提供以数据为中⼼的技术。 :公开数据指南 ：来⾃美国、欧盟、加拿⼤、CKAN以及其他的公开政府数据 ：英国的公共可⽤数据（也是） ：对于教育数据资源的主要指南，包括⾼价值的数据集、数据可视化、课堂资源、创建⾃公开数据的应⽤程序以及其他。 ：可视化的世界经济、社会、⾃然和⼯业，拥有来⾃联合国，世界银⾏，欧盟统计局和其他重要数据提供者的⼀亿时间序列。 ：可以很好利⽤的公开数据 ：可向City & County of San Francisco, CA.购买的数据集信息交流中⼼ ：⼀个⽤来访问和使⽤The Data Web的数据挖掘⼯具，许多⽹上美国政务数据集的集合。 ：⼤量经济学的时间序列，由许多美国政府机构编制。 ：来⾃⼤约150个⽤户的数据，这些⽤户⼤多数是安然公司⾼级管理⼈员 ：包含2000万⽂字，图⽚，视频开放的元数据，以及由欧洲数位图书馆收集的声⾳，对于欧洲⽂化遗产内容值得信赖的、全⾯的资源。 ： ：⼀个美国统计资料的综合资源以及更多 ：⼯具和数据集 ：⼤型财务数据集⽬录 :关于事件、位置和⾳调的全球数据，被英国卫报形容为"⽣命、宇宙和⼀切的⼤数据历史" ：⼀个⽀持MIAME兼容数据提交的基因表达/分⼦丰度信息库，⼀个精⼼策划的⽹上资源，⽤于基因表达数据的浏览，查询和检索。 ：地理和空间数据 ：来⾃数Google扫描的百万书籍⽂本 ：财务数据，包括股票、期货等 收集许多⽂本和图⽚数据集 ：HitCompanies随机取样的1万个英国公司全⾯的数据，采⽤⼈⼯智能/机器学习进⾏⾃动更新。 ：包含2008年8⽉1⽇到10⽉1⽇之间的4400万个博⽂ ：⼀个数据开放的⽬录和集合，允许分享、出售和下载关于任何内容的数据。 ：包含财物数据 ：数据、⼯作表和结果 ：⽂本、SNA和其他领域 ：科布伦茨⽹络收集，拥有⼤量各种类型的⽹络数据集，以便在⽹络挖掘领域进⾏研究。 ⼯程，免费向所有⼈提供数据 ：来⾃⿇省理⼯Whitehead Center⽤于基因组研究 ：欧盟Pascal2⽹络数据储存库 ：提供市场数据 ：来⾃⼤约70个⽹站的数据、报告、统计年鉴、新闻和其他，包括⾮洲、欧洲、亚洲和拉丁美洲的国家。 (NSSDC)：美国国家航空航天局的数据集，包含⾏星探索、空间和太阳物理学、⽣命科学、天体物理学以及其他⽅⾯。 ：评估世界各地的开放数据的状态。 ：允许访问超过10000个数据集，包括商业、教育、政府和娱乐 ：⼤量运动数据库，包括棒球、⾜球、篮球和曲棍球 ：基因组有关的出版物数据库 , a collaboratively curated portal to millions of financial and economic time-series datasets. ：⼀个