Dữ liệu miễn phí được thiết lập để phân loại chiều rất cao [đóng]

Tập dữ liệu có sẵn miễn phí để phân loại với hơn 1000 tính năng (hoặc điểm mẫu nếu nó chứa đường cong) là gì?

Đã có một wiki cộng đồng về các bộ dữ liệu miễn phí: Định vị các mẫu dữ liệu có sẵn miễn phí

Nhưng ở đây, thật tuyệt khi có một danh sách tập trung hơn có thể được sử dụng thuận tiện hơn , tôi cũng đề xuất các quy tắc sau:

1. Một bài đăng trên mỗi tập dữ liệu
2. Không có liên kết đến bộ dữ liệu

3. mỗi bộ dữ liệu phải được liên kết với

   • một tên (để tìm hiểu về nó) và liên kết đến tập dữ liệu (bộ dữ liệu R có thể được đặt tên bằng tên gói)

   • số lượng các tính năng (giả sử nó là p ) kích thước của tập dữ liệu (giả sử nó là n ) và số lượng nhãn / lớp (giả sử nó là k )

   • một tỷ lệ lỗi điển hình từ kinh nghiệm của bạn (nêu thuật toán được sử dụng thành từ) hoặc từ ký tự (trong trường hợp cuối cùng này liên kết giấy)

Dorothea
n = 1950
p = 100000 (0,1M, một nửa là tiếng ồn được thêm một cách giả tạo)
k = 2 (~ 10 lần không cân bằng)
Từ NIPS2003 .

Gisette
n = 13500
p = 5000 (một nửa là tiếng ồn được thêm một cách giả tạo)
k = 2 (cân bằng)
Từ NIPS2003 .

Dexter
n = 2600
p = 20000 (10k + 53 là tiếng ồn nhân tạo)
k = 2 (cân bằng)
Từ NIPS2003 .

Arcene
n = 900
p = 10000 (3k là tiếng ồn được thêm một cách giả tạo)
k = 2 (~ cân bằng)
Từ NIPS2003 .

Tuyến tiền liệt (mảng biểu hiện gen)

• k = 2
• n = 48 + 52
• p = 6033

Có sẵn thông qua (trong số khác) gói R tách tên của bộ dữ liệu: tuyến tiền liệt

tỷ lệ lỗi = 3/102 (xem tại đây ) tôi cũng nghĩ có những tờ giấy hiển thị tỷ lệ lỗi 1/102. Tôi muốn nói rằng đây là một trường hợp thử nghiệm dễ dàng.