-
BD 达卡证券交易所(DSE)历史数据1999-2023
2025年2月17日 200 207 157
该综合数据集涵盖了 1999 年至 2023 年期间达卡证券交易所 (DSE) 的历史股票市场数据。该数据集从 DSE 股票网站收集，每年被组织成单独的 CSV 文件，详细记录了这 24 年间股票市场趋势和走势。 数据来源：https://dsestocks.com/dse-csv-data/ 内容： 日期：交易日期，格式为YYYY-MM-DD。...
-
-
龙珠问答数据集
2025年2月17日 200 100 32
龙珠问答语料库是一个精选数据集，旨在训练和评估特定于龙珠世界的问答模型。它包含多个文本文件，每个文件都充满了结构化和非结构化文本数据，涵盖了龙珠系列的各个方面，包括人物传记、力量等级、故事情节、转变、战斗、技术和传说。 每个文本文件都经过精心组织，以确保全面涵盖不同的主题，例如： 角色信息：详细的个人资料、能力和关系。 故事情节和弧线：龙珠、龙珠...
-
个人死亡年龄及相关因素
2025年2月17日 300 206 43
非常适合人寿保险精算/数据科学工作 年龄 (岁) - 死亡年龄 体重 (磅) 性别 (男/女) 身高 (英寸) 血压 (sys_bp ) 吸烟者 y/n 尼古丁其他 y/n 药物数量 职业危险 (0/1/2) - 低、中、高 LS_danger - 低、中、高 (生活方式) 大麻 y/n 阿片类药物 y/n 其他药物 y /n 每周饮酒 量 成瘾...
-
电磁干扰数据集：用于 EMI 信号分类的数据集
2025年2月14日 160 197 82
该数据集是为分类任务设计的电磁干扰 (EMI) 信号和正常（未受影响）信号的集合，每个信号由 4000 个时间步长组成。幅度以毫伏 (mV) 表示。它包括 8 个不同类别的 EMI 信号和正常信号，代表电气状况和故障（总共 9 个类别）。特征表示为原始信号值，捕捉 EMI...
-
-
5M 树木：来自美国 63 个城市的 500 万棵城市树木的数据集
2025年2月14日 70 186 40
可持续城市依赖于城市森林。城市树木——城市森林的支柱——改善我们的健康、净化空气、储存二氧化碳并降低当地温度。人们对城市森林作为生态系统的了解相对较少，特别是它们的空间组成、原生状态、生物多样性和树木健康状况。在这里，我们收集并标准化了来自美国 63 个最大城市的 N=5,660,237...
-
无监督学习模型：分析二手车销售数据
2025年2月14日 174 200 122
使用监督和无监督学习模型分析二手车销售数据 二手车市场是一个动态且非常复杂的领域，受不同标准的影响 - 制造商、车型、发动机规格、油耗、生产年份、里程和价格。在本练习中，我们将查看包含英国二手车销售事实的模拟数据。该数据由 50,000...
-
使用 peft 和 lora 进行 LLM 微调的合成数据
2025年2月14日 200 198 139
该数据集包含对话摘要、主题和对话，用于使用参数有效微调和大型语言模型的低秩自适应创建对 LLM 模型进行微调的管道，这是一种流行且轻量级的训练技术，可显着减少可训练参数的数量。 该数据集也可在 hugging face 中使用。https://huggingface.co/datasets/knkarthick/dialogsum
-
本地登革热疫情
2025年2月14日 380 56 30
登革热是一种蚊媒疾病，发生在世界热带和亚热带地区。轻度病例的症状与流感相似：发烧、皮疹、肌肉和关节疼痛。重度病例可导致严重出血、低血压，甚至死亡。 由于登革热是由蚊子传播的，因此其传播动态与气温和降水等气候变量有关。尽管与气候的关系很复杂，但越来越多的科学家认为，气候变化可能会造成分布变化，从而对全球公共卫生产生重大影响。...
-
DEAP解读环境空气污染：用于研究城市空气污染的大规模时空数据
2025年2月14日 367 173 15
这是在IJCAI 2022的 AI for Good Track上发表的论文《使用大规模城市数据解读环境空气污染》的数据集。该论文获得了该 Track 的最佳论文奖。 [ Github Repo ] 该数据集引入了一个大规模时空数据集，涉及城市空气污染的所有主要参与者。该数据集结合了多种来源，以获取研究城市空气污染所必需的信息 -...
-
罗斯科学文章/Рус научные статьи
2025年2月14日 318 33 16
从 eLibrary.ru 网站下载了 2,478 篇俄语科学文章，这些文章被分为顶级 GRNTI（国家科学技术信息分类表）的 62 个标题。eLibrary.ru。网站上的期刊目录包含 71 个 GRNTI 类别，我选择了其中有足够数量的科学期刊和文章属于公共领域的类别。 标题位于说明的末尾。 下载了 pdf 文件，将其转换为 txt...
-
《老友记》电视节目抄录：《老友记》每一集的台词排序
2025年2月14日 364 197 93
创建此数据集的目的是构建一个分类器，确定《老友记》电视节目中的哪个朋友最有可能说出某句名言。 内容 里面的内容不仅仅是行和列。通过描述您如何获取数据以及它代表什么时间段，让其他人可以轻松入门。 数据来自 每集的原始记录最初都是从这里抓取的：https : //fangj.github.io/friends/。Jorge Nachtigall
-
英语至阿萨姆语平行数据集
2025年2月14日 287 135 115
此文件中有数十万个英语到阿萨姆语的平行数据集。 注意-清理数据集 1_.eng.txt - 有更多并行的英语数据集 1_assamese.xt - 有更多并行的阿萨姆语数据集
-
用于 NLP 任务的高质量金融新闻数据集
2025年2月13日 367 32 17
此存储库包含从各个金融网站精心抓取的数据集。数据提取过程可确保文本高质量且准确，包括网站及其嵌入 PDF 的内容。 数据集特征 日期： 公告日期。 主题：财经新闻的主题。 内容：公告的全部内容，包括网站文本和 PDF。 附加处理字段 我们应用先进的 Mixtral 7X8 模型来生成以下附加字段：...
-
用于文本检测的尼泊尔手写图像：各个年龄段的详尽文本数据集
2025年2月13日 400 34 30
尼泊尔手写数据集 (NHD)，它是尼泊尔各个地区用相机捕捉的尼泊尔手写文本图像的集合。该数据集旨在为研究人员探索手写检测和识别新技术提供基准。我们还提供了使用成熟的深度学习框架进行文本定位和识别的基准结果。数据集和基准结果可在此处获得。 主要特点：...
-
揭开社交媒体的情感面纱：Twitter 情感数据集
2025年2月13日 378 55 39
利用我们精心整理的数据集，深入了解通过 Twitter 消息表达的人类情感的复杂世界。这个综合集合中的每个条目都包含从 Twitter 中提取的一段文本，并附有相应的标签，表示消息传达的主要情感。情绪被精心分为六个不同的类别：悲伤 (0)、快乐 (1)、爱 (2)、愤怒 (3)、恐惧 (4) 和惊讶 (5)。...
-
核聚变实验的模拟数据
2025年2月13日 290 145 19
核能聚变实验的模拟数据集对于对核聚变领域感兴趣的研究人员和爱好者来说都是宝贵的资源。该数据集由 100,000 行组成，每行代表一个实验，并包含各种对于了解聚变反应成功或失败至关重要的参数。这些参数包括燃料密度、温度、约束时间、燃料纯度、能量输入、功率输出、压力和中子产量等。...
-
植物疾病检测数据集
2025年2月13日 170 30 27
植物疾病数据集由印度理工学院的一组研究人员创建，最初在一篇研究论文中进行了描述。其中一位作者 Pratik Kayal 已在GitHub上分享了该数据集，可供公众使用。PlantDoc 数据集包含 13 种不同植物物种的总共 2,569 张图像。该数据集分为 30 个不同的类别，标签指示每张图像是健康的还是患病的。数据集内共有 8,851...
-
用于对印地语 NCERT 科学教科书上的 Gemma 2 进行微调的结构化数据集
2025年2月13日 300 130 16
该数据集经过精心设计，旨在微调 Gemma 2 语言模型，以生成印地语教育内容，专门针对 3 年级至 10 年级的科学主题。该数据集使用印地语 NCERT 教科书构建，由三个结构化组件组成，可实现有效的语言模型训练。 数据集组件 1. 图书数据 包含 3 年级至 10 年级印地语 NCERT 科学教科书的 PDF 文件。...
