大數(shù)據(jù)文摘出品

來源：medium

編譯：張大筆茹、夏雅薇

相信很多同學(xué)一直苦于沒有數(shù)據(jù)集可以練習(xí)，這里給大家提供了一份可以利用業(yè)余時間完成的數(shù)據(jù)科學(xué)項目清單，一共14個！

項目分為三種類型：

• 可視化項目

• 探索性數(shù)據(jù)分析（EDA）項目

• 預(yù)測建模

可視化項目

最容易上手的就是數(shù)據(jù)可視化， 以下三個數(shù)據(jù)集可以用于創(chuàng)建一些有意思的的可視化效果并加到你的簡歷中。

新冠病毒可視化

學(xué)習(xí)如何使用Plotly構(gòu)建動態(tài)可視化數(shù)據(jù)，展示冠狀病毒是如何在全球范圍內(nèi)傳播的。Plotly很好用，它可以做動態(tài)可視化，好看且操作簡單。

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

教程：

https://towardsdatascience.com/visualizing-the-coronavirus-pandemic-with-choropleth-maps-7f30fccaecf5

澳洲大火數(shù)據(jù)可視化

2019-2020年的叢林大火季，也稱為黑色夏天，由2019年6月開始的幾場極端野火組成的。據(jù)維基百科統(tǒng)計，這場大火燒毀了約1,860萬公頃的土地和5,900多座建筑物。

這是一個有趣的項目，可以利用Plotly或Matplotlib數(shù)據(jù)可視化工具來可視化野火的規(guī)模和對地理的影響。

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/carlosparadis/fires-from-space-australia-and-new-zeland

地表溫度可視化

你是否懷疑過全球變暖的觀點？創(chuàng)建一些數(shù)據(jù)可視化效果，顯示地球表面溫度如何隨時間變化，并可以通過創(chuàng)建折線圖或其他動畫的Choropleth貼圖來實現(xiàn)！也可以創(chuàng)建一個預(yù)測模型來預(yù)測未來五十年內(nèi)地球的溫度。

難易程度：介于簡單到中等之間

數(shù)據(jù)集：

https://www.kaggle.com/berkeleyearth/climate-change-earth-surface-temperature-data/kernels

探索性數(shù)據(jù)分析項目

探索性數(shù)據(jù)分析（EDA），也稱為數(shù)據(jù)挖掘，意思是數(shù)據(jù)分析過程中使用了多種技術(shù)來更好理解數(shù)據(jù)。

紐約Airbnb數(shù)據(jù)挖掘

自2008年以來，Airbnb使游客和房東出行更方便，提出更多個性化的體驗世界的方式。該數(shù)據(jù)集包含有關(guān)2019年紐約出租的信息以及包含其地理信息，價格，評論數(shù)量等。

可以分析的一些角度如下：

• 哪些區(qū)域生意最好，為什么？

• 哪些區(qū)域的流量比其他區(qū)域大，為什么？

• 價格，評論數(shù)量和預(yù)訂天數(shù)之間是否存在一些關(guān)系？

難易程度：中等

數(shù)據(jù)集：

https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data

哪些因素與員工離職和績效有關(guān)

IBM公開了一個綜合數(shù)據(jù)集，可以使用它來了解各種因素如何影響員工的流失率和滿意度。一些變量包括教育程度，工作相關(guān)性，績效評估和工作生活平衡程度等。

分析此數(shù)據(jù)集，找到任何確實影響員工滿意度的變量，另外，還可以看看是否可以對變量進(jìn)行重要程度排名。

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/pavansubhasht/ibm-hr-analytics-attrition-dataset

世界大學(xué)排名

你認(rèn)為你的國家擁有世界上最好的大學(xué)嗎？成為“最好”大學(xué)的衡量標(biāo)準(zhǔn)是什么？該數(shù)據(jù)集包含三個全球大學(xué)排名方式。使用此數(shù)據(jù)，你是否可以回答以下問題：

頂尖的大學(xué)都在哪些國家？

決定世界排名的主要因素是什么？

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/mylesoneill/world-university-rankings

飲酒與在校表現(xiàn)

喝酒會影響學(xué)生的成績嗎？如果不會，那有什么別的影響嗎？這個數(shù)據(jù)是從中學(xué)數(shù)學(xué)和葡萄牙語課程的學(xué)生進(jìn)行的一項調(diào)查中獲得的。它包含幾個變量，例如飲酒量，家庭人數(shù)，參與課外活動。

利用這些數(shù)據(jù)，挖掘?qū)W校成績與各種因素之間的關(guān)系。另外，看看是否可以根據(jù)其他變量來預(yù)測學(xué)生的成績！

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/uciml/student-alcohol-consumption

寵物小精靈數(shù)據(jù)挖掘

對所有游戲玩家來說，這是一個包含來自七代802個 Pokemon的信息數(shù)據(jù)集。試著回答以下幾個問題！

• 哪一代寵物小精靈最強？哪代最弱？

• 哪種類型神奇寶貝最強？哪種最弱？

• 能否建立分類器來識別神奇寶貝？

• 身體特征與力量狀態(tài)（進(jìn)攻，防守，速度等）之間是否有相關(guān)性？

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/rounakbanik/pokemon

探索影響預(yù)期壽命的因素

世衛(wèi)組織建立了一段時間內(nèi)所有國家健康狀況的數(shù)據(jù)集，其中包括預(yù)期壽命，成人死亡率等方面的統(tǒng)計數(shù)據(jù)。使用此數(shù)據(jù)集，探索各種變量之間的關(guān)系，預(yù)測對預(yù)期壽命的最大影響因素是什么？

請嘗試回答以下問題：

• 最初選擇的各種預(yù)測因素是否真的影響預(yù)期壽命？實際影響預(yù)期壽命的預(yù)測變量有哪些？

• 預(yù)期壽命值低于（<65）的國家是否應(yīng)該增加其醫(yī)療保健支出以改善其平均壽命？

• 嬰兒和成人死亡率如何影響預(yù)期壽命？

• 預(yù)期壽命與飲食習(xí)慣，生活方式，運動，吸煙，飲酒等是正相關(guān)還是負(fù)相關(guān)？

• 是否接受教育對人類壽命有何影響？

• 預(yù)期壽命與飲酒是正相關(guān)還是負(fù)相關(guān)？

• 人口稠密的國家的預(yù)期壽命是否有降低的趨勢？

• 免疫覆蓋率對預(yù)期壽命有什么影響？

難易程度：簡單

數(shù)據(jù)集：

https://www.kaggle.com/kumarajarshi/life-expectancy-who

預(yù)測模型

能源消耗的時間序列預(yù)測

該數(shù)據(jù)集由美國區(qū)域傳輸組織PJM網(wǎng)站上的功耗數(shù)據(jù)組成，使用此數(shù)據(jù)集，查看是否可以構(gòu)建時間序列模型來預(yù)測能耗。除此之外，還可以查看是否可以找到一天中每個小時的趨勢，假日用電量以及長期趨勢！

難度：中高級

數(shù)據(jù)集：

https://www.kaggle.com/robikscube/hourly-energy-consumption

貸款預(yù)測

該數(shù)據(jù)集取自Analytics Vidhya，包括 615行和13列有關(guān)已批準(zhǔn)和尚未批準(zhǔn)的歷史貸款信息。你是否可以創(chuàng)建一個模型來預(yù)測貸款是否會獲批。

難易程度：簡單

數(shù)據(jù)集：

https://datahack.analyticsvidhya.com/contest/practice-problem-loan-prediction-iii/

二手車價格計算器

Craigslist是全球最大的二手車經(jīng)銷商，該數(shù)據(jù)集由Craigslist的抓取數(shù)據(jù)組成，每隔幾個月更新一次。使用此數(shù)據(jù)集，查看是否可以創(chuàng)建一個數(shù)據(jù)集來預(yù)測一輛汽車價格是否被高估或低估了。

難易程度：中等

數(shù)據(jù)集：

https://www.kaggle.com/austinreese/craigslist-carstrucks-data

信用卡欺詐檢測

??

該數(shù)據(jù)集顯示了兩天內(nèi)發(fā)生的交易，其中284,807筆交易中有492筆欺詐。數(shù)據(jù)高度正態(tài)分布，欺詐占所有交易的0.172％。學(xué)習(xí)如何使用不正太的數(shù)據(jù)集并建立信用卡欺詐檢測模型。

難易程度：中高級

數(shù)據(jù)集：

https://www.kaggle.com/janiobachmann/credit-fraud-dealing-with-imbalanced-datasets

皮膚癌圖像檢測

通過10,000多張圖像來構(gòu)建神經(jīng)網(wǎng)絡(luò)來檢測皮膚癌。這絕對是最難的項目，需要有關(guān)神經(jīng)網(wǎng)絡(luò)和圖像識別的儲備知識。

難易程度：難

數(shù)據(jù)集：

https://www.kaggle.com/kmader/skin-cancer-mnist-ham10000

相關(guān)報道：

https://towardsdatascience.com/14-data-science-projects-to-do-during-your-14-day-quarantine-8bd60d1e55e1

END 最后說個題外話，相信大家都知道視頻號了，隨著灰度范圍擴大，越來越多的小伙伴都開通了視頻號，小詹也開通了一個視頻號如下，歡迎掃碼關(guān)注，和我一起向上生長！「沒有開通發(fā)布權(quán)限的盡量多互動，提升活躍度哦」

總結(jié)

以上是生活随笔為你收集整理的你们需要的数据集，都给准备好了！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。