UCI 機械学習リポジトリのデータセット一覧

UCI machine learning repositoryで公開されているデータセットを一覧にまとめ、機械翻訳を交えて日本語化し掲載します。データセットのサンプルを探す参考にしていただければ幸いです。

確認日：	2025/01/01
データセット数：	695

Causal-Discovery

Multivariate

Causal-Discovery / Multivariate / 9780000 Instances

UbiqLog is the smartphone lifelogging tool that runs on the smartphone of 35 users for about 2 months.

UbiqLogは、35人のユーザーのスマートフォン上で約2ヶ月間動作するスマートフォンのライフログツールです。

Causal-Discovery / Multivariate / 11160000 Instances / 128 Features

In SIFT10M, each data point is a SIFT feature which is extracted from Caltech-256 by the open source VLFeat library. The corresponding patches of the SIFT features are provided.

SIFT10Mでは、各データポイントはオープンソースのVLFeatライブラリによってCaltech-256から抽出されたSIFT特徴量です。SIFT特徴量の対応するパッチが提供されています。

Causal-Discovery / Multivariate / 300 Instances / 43 Features

The objective is to determine the set of boolean rules that describe the interactions of the nodes within this plant signaling network. The dataset includes 300 separate boolean pseudodynamic simulations using an asynchronous update scheme.

目的は、この植物シグナリングネットワーク内のノードの相互作用を記述するブーリアンルールのセットを決定することです。データセットには、非同期更新スキームを用いた300回の個別のブール型疑似力学シミュレーションが含まれています。

Multivariate, Time-Series

Causal-Discovery / Multivariate, Time-Series / 139 Instances / 6 Features

Horton General Hospital is in the town Banbury not far from Oxford, UK.

Horton General Hospitalは、イギリスのオックスフォードからそう遠くないバンベリーという町にあります。

Classification

Domain-Theory

Classification / Domain-Theory / 306 Instances / 5 Features

Data used for USPTO Algorithm Competition. Contains drawing pages from US patents with manually labeled figure and part labels.

USPTOアルゴリズムコンペティションに使用されるデータ。手動でラベル付けされた図と部品のラベルが付いた米国特許の図面ページが含まれています。

Classification / Domain-Theory / 306 Instances / 5 Features

Data used for USPTO Algorithm Competition. Contains drawing pages from US patents with manually labeled figure and part labels.

Pat: USPTOアルゴリズムコンペで使用されたデータ。米国特許の図面ページが含まれており、手動で図や部品のラベルが付けられています。

Image

Classification / Image / 1 Instances

The JARtool project was a pioneering effort to develop an automatic system for cataloging small volcanoes in the large set of Venus images returned by the Magellan spacecraft.

JARtoolプロジェクトは、マゼラン探査機によって返された金星画像の大規模なセットの中の小さな火山をカタログ化するための自動システムを開発するための先駆的な取り組みでした。

Classification / Image / 4750 Instances

An image classification dataset of waste items across 9 major material types, collected within an authentic landfill environment.

本物の埋立地環境内で収集された、9つの主要な材料タイプにわたる廃棄物の画像分類データセット。

Classification / Image / 50000 Instances

This dataset contains synthetic aperture radar (SAR) raster imagery for various flood events acquired from the European Space Agencys Sentinel-1A and Sentinel-1B missions, providing C-Band dual-polarized imagery that spans geographical areas of interest in the United States and Bangladesh. The main emphasis was on the labeling of open water areas where specular reflection of the radar signal off of the relatively still, flat open water surface results in reduced backscatter, low amplitude, and an overall darkened appearance within the image. The labels for the water surface reflectance are also provided in GeoTiff rasterized file format in scenes aligned with the SAR source raster imagery.

このデータセットには、欧州宇宙機関のSentinel-1AおよびSentinel-1Bミッションから取得された様々な洪水事象の合成開口レーダー（SAR）ラスター画像が含まれており、米国とバングラデシュの地理的関心領域にまたがるCバンド2偏波画像が提供されています。比較的静止した平坦な水面でレーダー信号が鏡面反射するため、後方散乱が減少し、振幅が小さくなり、画像内が全体的に暗く見える開放水域のラベリングに主眼が置かれた。水面反射率のラベルは、SARソースラスター画像と整列されたシーンのGeoTiffラスター化ファイル形式でも提供されます。

Classification / Image / 70000 Instances

Well-known database of 70,000 handwritten digits (10 class labels) with each example represented as an image of 28 x 28 gray-scale pixels.

70,000の手書き数字（10個のクラスラベル）からなるよく知られたデータベースで、各例は28×28グレイスケールのピクセルの画像として表現されています。

Classification / Image / 14000000 Instances

A well-known large-scale image classification dataset with between 1000 and 20000 class labels and multiple million images.

1000から20000のクラスラベルと数百万の画像を持つ、よく知られた大規模画像分類データセット。

Classification / Image / 9110 Instances

DeFungi is a dataset for direct mycological examination of microscopic fungi images. The images are from superficial fungal infections caused by yeasts, moulds, or dermatophyte fungi. The images have been manually labelled into five classes and curated with a subject matter expert assistance. The images have been cropped with automated algorithms to produce the final dataset.

DeFungiは顕微鏡真菌画像を直接菌学的に検査するためのデータセットです。画像は、酵母、カビ、皮膚糸状菌による表在性真菌症のものです。画像は手作業で5つのクラスにラベル付けされ、主題専門家の支援を受けてキュレーションされています。画像は自動化されたアルゴリズムでトリミングされ、最終的なデータセットが作成されました。

Classification / Image / 640 Instances

This data consists of 640 black and white face images of people taken with varying pose (straight, left, right, up), expression (neutral, happy, sad, angry), eyes (wearing sunglasses or not), and size

このデータは、ポーズ（まっすぐ、左、右、上）、表情（中性、嬉しい、悲しい、怒っている）、目（サングラスをかけているかどうか）、大きさを変えて撮影した640枚の白黒顔画像から構成されています。

Classification / Image / 60000 Instances

A well-known image classification dataset, 10 classes, 32 x 32 pixel images.

有名な画像分類データセット、10クラス、32×32ピクセル画像。

Classification / Image / 1310 Instances

This dataset is intended to help solving the problem of pathogen segmentation in fluorescence microscopy images of vine wood.Because there is no dataset available to cast the problem into a supervised framework, this dataset provides a collection of realistic images based on the knowledge of the image formation model in fluorescence microscopy.

このデータセットは、ブドウの木の蛍光顕微鏡画像における病原体のセグメンテーションの問題を解決するのに役立つことを目的としています。問題を教師ありフレームワークにキャストするためのデータセットがないため、このデータセットは、蛍光顕微鏡の画像形成モデルの知識に基づいて現実的な画像のコレクションを提供します。

Classification / Image / 1310 Instances

This dataset is intended to help solving the problem of pathogen segmentation in fluorescence microscopy images of vine wood. Because there is no dataset available to cast the problem into a supervised framework, this dataset provides a collection of realistic images based on the knowledge of the image formation model in fluorescence microscopy.

このデータセットは、ブドウの木の蛍光顕微鏡画像における病原体のセグメンテーションの問題を解決するのに役立つことを目的としています。問題を教師ありフレームワークにキャストするためのデータセットがないため、このデータセットは、蛍光顕微鏡の画像形成モデルの知識に基づいて現実的な画像のコレクションを提供します。

Multivariate

Classification / Multivariate / 403 Instances / 5 Features

The dataset is about the users’ learning activities and knowledge levels on subjects of DC Electrical Machines. The dataset had been obtained from online web-courses and reported in my Ph.D. Thesis.

このデータセットは、DC Electrical Machinesの主題に関するユーザーの学習活動と知識レベルに関するものです。データセットはオンラインのウェブコースから取得し、私の博士論文で報告しました。

Classification / Multivariate / 403 Instances / 5 Features

The dataset is about the users’ learning activities and knowledge levels on subjects of DC Electrical Machines. The dataset had been obtained from online web-courses and reported in my Ph.D. Thesis.

データセットは、直流電気機械に関するユーザの学習活動と知識レベルに関するものです。データセットは、オンラインのWebコースから取得し、私の博士論文で報告したものです。

Classification / Multivariate / 2580 Instances / 19 Features

The data describe the problem of high energy (higher than 10^4 J) seismic bumps forecasting in a coal mine. Data come from two of longwalls located in a Polish coal mine.

データは、炭鉱における高エネルギー(10^4 J以上)の地震バンプ予測の問題を記述しています。データはポーランドの炭鉱にある2つのロングウォールから得られたものです。

Classification / Multivariate / 16770 Instances / 5410 Features

The goal is to model mutant p53 transcriptional activity (active vs inactive) based on data extracted from biophysical simulations.

目的は、生物物理学的シミュレーションから抽出されたデータに基づいて、変異体p53の転写活性（活性vs不活性）をモデル化することです。

Classification / Multivariate / 101 Instances / 16 Features

Artificial, 7 classes of animals

人工、7つのクラスの動物

Classification / Multivariate / 1480 Instances / 8 Features

Predicting the Cellular Localization Sites of Proteins

タンパク質の細胞内局在部位の予測

Classification / Multivariate / 2000 Instances / 7 Features

Collected in indoor space by observing signal strengths of seven WiFi signals visible on a smartphone. The decision variable is one of the four rooms.

スマートフォンで見える7つのWiFi信号の信号強度を観測することで、屋内空間で収集。決定変数は4つの部屋のうちの1つ。

Classification / Multivariate / 4890 Instances / 6 Features

High-resolution Remote Sensing data set (Quickbird). Small number of training samples of diseased trees, large number for other land cover. Testing data set from stratified random sample of image.

高解像度リモートセンシングデータセット（Quickbird）。病気の木のトレーニングサンプル数が少なく、他の土地被覆の場合は多数。イメージの層化されたランダムなサンプルからのテストのデータセット。

Classification / Multivariate / 314 Instances / 15 Features

Measurements of morphological descriptors of wheat kernels from Punjab State. A machine Learning based technique was used to extract 15 features, all are real valued attributes

パンジャブ州産小麦カーネルの形態学的記述子の測定。機械学習をベースにした技術が15の特徴を抽出するために使用されました。

Classification / Multivariate / 39240 Instances

Six young health subjects were asked to perform 5 variations of the biceps curl weight lifting exercise. One of the variations is the one predicted by the health professional.

6名の若い健康被験者に、上腕二頭筋カール重量挙げ運動の5つのバリエーションを行ってもらった。そのうちの1つのバリエーションは、健康専門家が予測したものです。

Classification / Multivariate / 39240 Instances

Six young health subjects were asked to perform 5 variations of the biceps curl weight lifting exercise. One of the variations is the one predicted by the health professional.

6人の若い健康被験者に、上腕二頭筋カールウェイトリフティング運動の5つのバリエーションを実行するように依頼されました。バリエーションの1つは、医療専門家によって予測されたものです。

Classification / Multivariate / 1350 Instances / 10 Features

Classification / Multivariate / 310 Instances

Data set containing values for six biomechanical features used to classify orthopaedic patients into 3 classes (normal, disk hernia or spondilolysthesis) or 2 classes (normal or abnormal).

整形外科患者を3つのクラス（正常、椎間板ヘルニアまたは脊椎骨）または2つのクラス（正常または異常）に分類するために使用される6つの生体力学的特徴の値を含むデータセット。

Classification / Multivariate / 168 Instances / 148 Features

Classification of urban land cover using high resolution aerial imagery. Intended to assist sustainable urban planning efforts.

高解像度の航空画像を用いた都市の土地被覆の分類。持続可能な都市計画の取り組みを支援することを目的としています。

Classification / Multivariate / 17260 Instances / 55 Features

For UAV identification, each input is an encrypted WiFi traffic record while the output is whether the current traffic is from a UAV or not. Meta-info on attribute relationship is also provided.

UAV識別のために、各入力は暗号化されたWiFiトラフィックの記録であり、出力は現在のトラフィックがUAVからのものであるかどうかです。属性関係のメタ情報も提供されます。

Classification / Multivariate / 285 Instances / 17 Features

Data in original (LISP-readable) form

オリジナルの（LISPで読める）形式のデータ

Classification / Multivariate / 540 Instances / 173 Features

Fault diagnosis of four liquid ultrasonic flowmeters

液体超音波流量計4台の故障診断

Classification / Multivariate / 400 Instances / 50 Features

There are four different classes of music emotions in the dataset: happy, sad, angry, and relax.

データセットには、幸せ、悲しみ、怒り、リラックスという4つの異なるクラスの音楽感情があります。

Classification / Multivariate / 10 Instances / 32 Features

2 data formats (structured, one-instance-per-line)

2つのデータ形式（構造化された、1行1インスタンス

Classification / Multivariate / 958 Instances / 9 Features

Binary classification task on possible configurations of tic-tac-toe game

チックタックトゥゲームの可能な構成に関する二項分類課題

Classification / Multivariate / 470 Instances / 16 Features

The data is dedicated to classification problem related to the post-operative life expectancy in the lung cancer patients: class 1 – death within one year after surgery, class 2 – survival.

このデータは、肺がん患者の術後平均余命に関連する分類問題に特化しています:クラス1 -手術後1年以内の死亡、クラス2 -生存。

Classification / Multivariate / 151 Instances / 5 Features

The data consist of evaluations of teaching performance; scores are “low”, “medium”, or “high”

データは指導成績の評価で構成されており、スコアは”低”、”中”、”高”のいずれかです。

Classification / Multivariate / 6820 Instances / 96 Features

The data were collected from the Taiwan Economic Journal for the years 1999 to 2009. Company bankruptcy was defined based on the business regulations of the Taiwan Stock Exchange.

データは1999年から2009年までの台湾経済誌から収集した。会社の倒産は、台湾証券取引所の業務規定に基づいて定義されています。

Classification / Multivariate / 4460 Instances / 241 Features

TUNADROMD dataset contains 4465 instances and 241 attributes. The target attribute for classification is a category (malware vs goodware). (N.B. This is the preprocessed version of TUANDROMD)

TUNADROMDデータセットには、4465個のインスタンスと241個の属性が含まれています。分類のターゲット属性はカテゴリ(マルウェアとグッドウェア)です。(注意:これはTUANDROMDの前処理バージョンです)

Classification / Multivariate / 24020 Instances / 2400 Features

This dataset achieved from an online survey, which is run by UNSW, Australia. It contains three data of ‘ Flocking – Not Flocking’, ‘Aligned – Not Aligned’, and ‘Grouped – Not Grouped’.

このデータセットは、オーストラリアのUNSWが実施したオンライン調査から得られたものです。群れる-群れない」、「揃う-揃わない」、「群れる-群れない」の3つのデータが含まれています。

Classification / Multivariate / 666 Instances / 11 Features

This dataset contains data of the candidates who qualified the medical entrance examination for admission to medical colleges of Assam of a particular year and collected by Prof. Jiten Hazarika.

このデータセットは、Jiten Hazarika教授が収集した、特定の年のアッサム州の医科大学入学試験に合格した受験者のデータを含んでいます。

Classification / Multivariate / 300 Instances / 22 Features

The dataset tried to find the end semester percentage prediction based on different social, economic and academic attributes.

このデータセットでは、異なる社会的、経済的、学業的属性に基づいて学期末パーセンテージの予測を試みた。

Classification / Multivariate / 1940 Instances / 27 Features

A dataset of steel plates’ faults, classified into 7 different types. The goal was to train machine learning for automatic pattern recognition.

鋼板の欠陥を7種類に分類したデータセット。自動パターン認識のための機械学習を訓練することを目的とした。

Classification / Multivariate / 946 Instances / 18 Features

3D objects within a 2D image by application of an ensemble of shape feature extractors to the 2D silhouettes of the objects.

形状特徴抽出器のアンサンブルをオブジェクトの2Dシルエットに適用することで、2D画像内の3Dオブジェクトを抽出します。

Classification / Multivariate / 58000 Instances / 8 Features

The shuttle dataset contains 9 attributes all of which are numerical. Approximately 80% of the data belongs to class 1

シャトルデータセットには9つの属性が含まれており、その全てが数値です。データの約80%はクラス1に属しています。

Classification / Multivariate / 6440 Instances / 36 Features

Multi-spectral values of pixels in 3×3 neighbourhoods in a satellite image, and the classification associated with the central pixel in each neighbourhood

衛星画像の3×3の領域のピクセルのマルチスペクトル値と、各領域の中心ピクセルに関連した分類

Classification / Multivariate / 2310 Instances / 19 Features

This dataset is an image segmentation database similar to a database already present in the repository (Image segmentation database) but in a slightly different form.

このデータセットは、既にリポジトリに存在するデータベース(Image segmentation database)に似た画像分割データベースであるが、少し異なる形式のものです。

Classification / Multivariate / 270 Instances

This dataset is a heart disease database similar to a database already present in the repository (Heart Disease databases) but in a slightly different form

このデータセットは、すでにリポジトリに存在するデータベース（心臓病データベース）に似た心臓病データベースですが、少し違った形をしています。

Classification / Multivariate / 690 Instances / 14 Features

This file concerns credit card applications. This database exists elsewhere in the repository (Credit Screening Database) in a slightly different form

このファイルは、クレジットカードの申請に関するものです。このデータベースは、リポジトリ内の別の場所に存在しています（Credit Screening Database）。

Classification / Multivariate / 329 Instances / 12 Features

Data set featuring single English words read by speakers from six different countries for accent detection and recognition

アクセントの検出と認識のために6つの異なる国の話者が読む単一の英語の単語を含むデータセット

Classification / Multivariate / 4600 Instances / 57 Features

Classifying Email as Spam or Non-Spam

電子メールをスパムまたは非スパムとして分類します

Classification / Multivariate / 47 Instances / 35 Features

Michalski’s famous soybean disease database

ミハエルスキーの有名な大豆の病気データベース

Classification / Multivariate / 307 Instances / 35 Features

Michalski’s famous soybean disease database

ミハエルスキーの有名な大豆の病気データベース

Classification / Multivariate / 15 Instances / 6 Features

Tiny database; all nominal values

小さなデータベース;すべての公称値

Classification / Multivariate / 597 Instances / 1 Features

597 de-identified raw X-ray scans of implanted shoulder prostheses from four manufacturers.

4つのメーカーから移植された肩部プロテーゼの597個の非同定生のX線スキャン。

Classification / Multivariate / 110340 Instances / 3 Features

The dataset consists of 110,204 admissions of 84,811 hospitalized subjects between 2011 and 2012 in Norway who were diagnosed with infections, systemic inflammatory response syndrome, sepsis by causative microbes, or septic shock. The prediction task is to determine whether a patient survived or is deceased at a time of about 9 days after collecting their medical record at the hospital.This is an important prediction problem in clinical medicine. Sepsis is a life-threatening condition triggered by an immune overreaction to infection, leading to organ failure or even death. Sepsis is associated with immediate death risk, often killing patients within one hour. This renders many laboratory tests and hospital analyses impractical for timely diagnosis and treatment. Being able to predict the survival of patients within minutes with as few and easy-to-retrieve medical features as possible is very important.

このデータセットは、2011年から2012年の間にノルウェーで入院した84,811人の入院被験者のうち、感染症、全身性炎症反応症候群、原因微生物による敗血症、または敗血症性ショックと診断された110,204人の入院で構成されています。予測タスクは、病院で医療記録を収集してから約9日後に患者が生存したか、死亡したかを判断することです。これは臨床医学において重要な予測問題です。敗血症は、感染に対する免疫の過剰反応によって引き起こされる生命を脅かす状態であり、臓器不全や死に至ることさえあります。敗血症は即時の死亡リスクと関連しており、多くの場合、患者は1時間以内に死亡します。これにより、多くの臨床検査や病院での分析は、タイムリーな診断と治療に実用的ではありません。患者の生存率を数分以内に予測できることは、できるだけ少なく、簡単に取得できる医療機能でできることが非常に重要です。

Classification / Multivariate / 1590 Instances / 256 Features

1593 handwritten digits from around 80 persons were scanned, stretched in a rectangular box 16×16 in a gray scale of 256 values.

約80人の手書きの数字1593個をスキャンし、16×16の長方形のボックスに256値のグレースケールで引き伸ばしました。

Classification / Multivariate / 1450 Instances

The Sattriya_Dance_Single_Hand_Gestures dataset contains 1450 images of 29 Sattriya dance single-hand gestures consisting 50 samples from each hasta.

Sattriya_Dance_Single_Hand_Gesturesデータセットには、29のSattriyaダンスの片手ジェスチャーの1450枚の画像が含まれています。

Classification / Multivariate / 267 Instances

Data on cardiac Single Proton Emission Computed Tomography (SPECT) images. Each patient classified into two categories: normal and abnormal.

心臓単一陽子放出コンピューター断層撮影（SPECT）画像のデータ。各患者は正常と異常の2つのカテゴリーに分類されています。

Classification / Multivariate / 267 Instances

Data on cardiac Single Proton Emission Computed Tomography (SPECT) images. Each patient classified into two categories: normal and abnormal.

心臓単一陽子放出コンピューター断層撮影（SPECT）画像のデータ。各患者は正常と異常の2つのカテゴリーに分類されています。

Classification / Multivariate / 120 Instances

There are three classes/diseases: Bacterial leaf blight, Brown spot, and Leaf smut, each having 40 images. The format of all images is jpg.

3つのクラス/疾患があります。Bacterial leaf blight、Brown spot、Leaf smutの3つのクラス/疾患があり、それぞれ40枚の画像があります。すべての画像のフォーマットはjpgです。

Classification / Multivariate / 3810 Instances / 7 Features

A total of 3810 rice grain’s images were taken for the two species, processed and feature inferences were made. 7 morphological features were obtained for each grain of rice.

2つの種について合計3810個のイネ粒の画像が撮影され、処理され、特徴の推論が行われました。イネの各粒について7つの形態学的特徴が得られた。

Classification / Multivariate / 111740 Instances

This test collection contains feature characteristics of documents originally written in five different languages and their translations, over a common set of 6 categories.

このテストコレクションは、もともと5つの異なる言語で書かれた文書とその翻訳の特徴的な特徴を、6つのカテゴリの共通のセットにわたって含んでいます。

Classification / Multivariate / 111740 Instances

This test collection contains feature characteristics of documents originally written in five different languages and their translations, over a common set of 6 categories.

このテスト コレクションには、もともと5つの異なる言語で書かれたドキュメントとその翻訳の特徴特性が、共通の6つのカテゴリのセットに含まれています。

Classification / Multivariate / 467 Instances / 79 Features

Effect of life style and genetic on eye refractive errors.

眼の屈折異常に及ぼす生活習慣と遺伝の影響

Classification / Multivariate / 5750000 Instances / 12 Features

Element-wise comparison of records with personal data from a record linkage setting. The task is to decide from a comparison pattern whether the underlying records belong to one person.

レコードリンク設定の個人データとレコードの要素ごとの比較。このタスクは、比較パターンから、基礎となるレコードが1人の個人に属するかどうかを判断することです。

Classification / Multivariate / 900 Instances / 8 Features

Images of the Kecimen and Besni raisin varieties were obtained with CVS. A total of 900 raisins were used, including 450 from both varieties, and 7 morphological features were extracted.

KecimenレーズンとBesniレーズンの品種の画像はCVSで取得されました。両品種のレーズン450種を含む合計900種のレーズンを使用し、7種類の形態学的特徴を抽出した。

Classification / Multivariate / 2000 Instances / 6830 Features

REJAFADA (Retrieval of Jar Files Applied to Dynamic Analysis) aims to be used, as benchmark, to check the quality of the detection of Jar malware.

REJAFADA (動的分析に適用されたJarファイルの取得)は、Jarマルウェアの検出品質をチェックするためのベンチマークとして使用することを目的としています。

Classification / Multivariate / 287 Instances

This dataset explores the subjective quality assessment of digital colposcopies.

このデータセットは、デジタルコルポスコピーの主観的な品質評価を探ります。

Classification / Multivariate / 250 Instances / 7 Features

Predict the Bankruptcy from Qualitative parameters from experts.

専門家からの質的パラメータから破産を予測する

Classification / Multivariate / 8990 Instances / 1020 Features

Data set containing values for 1024 binary attributes (molecular fingerprints) used to classify 8992 chemicals into 2 classes (very toxic/positive, not very toxic/negative)

8992種の化学物質を2つのクラスに分類するために使用された1024の2値属性（分子フィンガープリント）の値を含むデータセット（非常に毒性が強い/陽性、毒性が強くない/陰性）。

Classification / Multivariate / 1060 Instances / 41 Features

Data set containing values for 41 attributes (molecular descriptors) used to classify 1055 chemicals into 2 classes (ready and not ready biodegradable).

1055種の化学物質を2つのクラスに分類するために使用された41の属性（分子記述子）の値を含むデータセット（レディ生分解性と非レディ生分解性）。

Classification / Multivariate / 1690 Instances / 1020 Features

1024 binary attributes (molecular fingerprints) used to classify 1687 chemicals into 2 classes (binder to androgen receptor/positive, non-binder to androgen receptor /negative)

1687種類の化学物質を2つのクラス（アンドロゲン受容体への結合剤/陽性、アンドロゲン受容体への非結合剤/陰性）に分類するために使用された1024の2値属性（分子フィンガープリント）。

Classification / Multivariate

These highly imbalanced bioassay datasets are from the differing types of screening that can be performed using HTS technology. 21 datasets were created from 12 bioassays.

これらの非常に不均衡なバイオアッセイのデータセットは、HTS技術を用いて実行できる様々なタイプのスクリーニングに由来しています。12のバイオアッセイから21のデータセットが作成されました。

Classification / Multivariate / 339 Instances

From Ljubljana Oncology Institute

リュブリャナ腫瘍研究所より

Classification / Multivariate / 90 Instances

Dataset of patient features

患者の特徴のデータセット

Classification / Multivariate / 10500 Instances

The dataset is about bankruptcy prediction of Polish companies.The bankrupt companies were analyzed in the period 2000-2012, while the still operating companies were evaluated from 2007 to 2013.

このデータセットは、ポーランド企業の倒産予測に関するもので、2000年から2012年の間に倒産した企業を分析し、2007年から2013年の間に事業を継続している企業を評価しています。

Classification / Multivariate / 1030000 Instances / 11 Features

Purpose is to predict poker hands

目的はポーカーハンドの予測

Classification / Multivariate / 108 Instances / 13 Features

Bridges database that has original and numeric-discretized datasets

オリジナルデータセットと数値化されたデータセットを持つブリッジデータベース

Classification / Multivariate / 6000000 Instances / 129 Features

The dataset is generated from Physical Unclonable Functions (PUFs) simulation, specifically XOR Arbiter PUFs. PUFs are used for authentication purposes. For more info, refer to our paper below.

このデータセットは、物理アンクローナブル関数(PUF)シミュレーション、特にXORアービターPUFから生成されています。PUFは認証の目的で使用されます。詳細は下記の論文を参照してください。

Classification / Multivariate / 48 Instances / 321 Features

Gait is considered a biometric criterion. Therefore, we tried to classify people with gait analysis with this gait data set.

歩行は生体情報の基準とされています。したがって、この歩行データセットを用いて、歩行分析を行う人を分類することを試みました。

Classification / Multivariate / 10990 Instances / 16 Features

Digit database of 250 samples from 44 writers

44人のライターによる250サンプルのデジットデータベース

Classification / Multivariate / 197 Instances

Oxford Parkinson’s Disease Detection Dataset

オックスフォード・パーキンソン病検出データセット

Classification / Multivariate / 756 Instances / 754 Features

The data used in this study were gathered from 188 patients with PD (107 men and 81 women) with ages ranging from 33 to 87 (65.1±10.9).

この研究で使用されたデータは、年齢が33歳から87歳（65.1±10.9）までのPD患者188人（男性107人、女性81人）から収集されました。

Classification / Multivariate / 240 Instances

Contains acoustic features extracted from 3 voice recording replications of the sustained /a/ phonation for each one of the 80 subjects (40 of them with Parkinson’s Disease).

80人の被験者（うち40人はパーキンソン病患者）の各人の持続的/a/音韻の3回の音声録音の再現から抽出した音響的特徴が含まれています。

Classification / Multivariate / 5470 Instances / 10 Features

The problem consists of classifying all the blocks of the page layout of a document that has been detected by a segmentation process.

この問題は、セグメンテーション処理によって検出された文書のページレイアウトのすべてのブロックを分類することで構成されています。

Classification / Multivariate / 5620 Instances / 64 Features

Two versions of this database available; see folder

このデータベースには2つのバージョンがあります。フォルダを参照

Classification / Multivariate / 50 Instances / 2 Features

This dataset contains OCT data (in mat format) and color fundus data (in jpg format) of left & right eyes of 50 healthy persons.

このデータセットには、健常者50人の左目と右目のOCTデータ（mat形式）とカラー眼底データ（jpg形式）が含まれています。

Classification / Multivariate / 12960 Instances / 8 Features

Nursery Database was derived from a hierarchical decision model originally developed to rank applications for nursery schools.

保育園データベースは、元々は保育園の願書をランク付けするために開発された階層的な意思決定モデルから派生したものですが、現在では、保育園の願書をランク付けするために開発された階層的な意思決定モデルを利用しています。

Classification / Multivariate / 150 Instances / 52 Features

This dataset comprises records of 150 subjects (all male employees in Iran have visited the Abadan Occupational (Industrial) Medicine Clinic) and 52 features.

このデータセットは、150人の被験者（イランの男性従業員全員がアバダン職業（産業）医学クリニックを受診している）の記録と52の特徴から構成されています。

Classification / Multivariate / 1700 Instances / 111 Features

Prediction of myocardial infarction complications

心筋梗塞の合併症の予測

Classification / Multivariate / 6600 Instances / 168 Features

The goal is to learn to predict whether new molecules will be musks or non-musks

目標は、新しい分子が麝香か非麝香かを予測することを学ぶことです。

Classification / Multivariate / 476 Instances / 168 Features

The goal is to learn to predict whether new molecules will be musks or non-musks

目標は、新しい分子が麝香か非麝香かを予測することを学ぶことです。

Classification / Multivariate / 2000 Instances / 649 Features

This dataset consists of features of handwritten numerals (`0′–`9′) extracted from a collection of Dutch utility maps

このデータセットは、オランダのユーティリティマップのコレクションから抽出された手書きの数字（`0「–`9」）の特徴から構成されています。

Classification / Multivariate / 130070 Instances / 50 Features

This dataset is taken from the MiniBooNE experiment and is used to distinguish electron neutrinos (signal) from muon neutrinos (background).

このデータセットはMiniBooNE実験から取得したもので、電子ニュートリノ（シグナル）とミューニュートリノ（バックグラウンド）を区別するために使用されています。

Classification / Multivariate / 931 Instances / 1300 Features

A dataset to explore machine learning approaches for the identification of microorganisms from mass-spectrometry data.

質量分析データからの微生物同定のための機械学習アプローチを探るためのデータセット。

Classification / Multivariate / 528 Instances / 22 Features

Meta-Data was used in order to give advice about which classification method is appropriate for a particular dataset (taken from results of Statlog project).

メタデータは、特定のデータセットに対してどの分類方法が適切かについてアドバイスを与えるために使用されました（Statlogプロジェクトの結果から抜粋）。

Classification / Multivariate / 324 Instances / 34 Features

Mesothelioma’s disease data set were prepared at Dicle University Faculty of Medicine in Turkey.Three hundred and twenty-four Mesothelioma patient data. In the dataset, all samples have 34 features.

中皮腫のデータセットはトルコのディクル大学医学部で作成されました。324人の中皮腫患者のデータです。このデータセットでは、すべてのサンプルに34の特徴があります。

Classification / Multivariate / 209 Instances / 8 Features

Fault diagnosis problem of electromechanical devices; also PUMPS DATA SET is newer version with domain theory and results

電気機械装置の故障診断問題; PUMPS DATA SETも新しいバージョンで領域理論と結果を掲載しています。

Classification / Multivariate / 1010 Instances / 6 Features

Data has been collected from different hospitals, community clinics, maternal health cares from the rural areas of Bangladesh through the IoT based risk monitoring system.

データは、IoTベースのリスク監視システムを通じて、バングラデシュの農村部のさまざまな病院、地域の診療所、妊産婦医療から収集されています。

Classification / Multivariate / 961 Instances

Discrimination of benign and malignant mammographic masses based on BI-RADS attributes and the patient’s age.

BI-RADSの属性と患者の年齢に基づいたマンモグラフィ乳房腫瘤の良性・悪性の判別

Classification / Multivariate / 2960 Instances / 1090 Features

3 datasets: staDynBenignLab.csv, features extracted from 595 files (Win 7 and 8); staDynVxHeaven2698Lab.csv, from 2698 files of VxHeaven and staDynVt2955Lab.csv,from 2955 files of Virus Total.

3つのデータセット: staDynBenignLab.csv, 595ファイル(Win 7と8)から抽出した特徴量, staDynVxHeaven2698Lab.csv, VxHeavenの2698ファイルから抽出した特徴量, staDynVt2955Lab.csv, Virus Totalの2955ファイルから抽出した特徴量。

Classification / Multivariate / 2960 Instances / 1090 Features

3 datasets: staDynBenignLab.csv, features extracted from 595 files (Win 7 and 8); staDynVxHeaven2698Lab.csv, from 2698 files of VxHeaven and staDynVt2955Lab.csv,from 2955 files of Virus Total.

3つのデータセット:staDynBenignLab.csv、595ファイルから抽出された機能(Win 7および8)。staDynVxHeaven2698Lab.csv、VxHeavenとstaDynVt2955Lab.csvの2698ファイル、Virus Totalの2955ファイルから。

Classification / Multivariate / 4400 Instances / 500 Features

MADELON is an artificial dataset, which was part of the NIPS 2003 feature selection challenge. This is a two-class classification problem with continuous input variables. The difficulty is that the problem is multivariate and highly non-linear.

MADELONは、2003年のNIPS 2003の特徴選択課題の一部である人工データセットです。連続入力変数を用いた2クラス分類問題です。問題が多変量で非線形性が高いのが難点です。

Classification / Multivariate / 432 Instances / 6 Features

A set of three artificial domains over the same attribute space; Used to test a wide range of induction algorithms

同一属性空間上の3つの人工領域の集合；幅広い誘導アルゴリズムをテストするために使用されます

Classification / Multivariate / 2860 Instances / 71 Features

This dataset contains keystroke dynamics data collected on a touch mobile device (Nexus 7). The dataset contains 2856 records, 51 records per subject for 56 subjects.

このデータセットには、タッチモバイルデバイス（Nexus 7）で収集されたキーストロークダイナミクスデータが含まれています。データセットには、56人の被験者に対して1被験者あたり51レコード、2856レコードが含まれています。

Classification / Multivariate / 19020 Instances / 10 Features

Data are MC generated to simulate registration of high energy gamma particles in an atmospheric Cherenkov telescope

データは、大気圏チェレンコフ望遠鏡での高エネルギーガンマ粒子のレジストレーションをシミュレートするために生成されたMCです。

Classification / Multivariate / 148 Instances

This lymphography domain was obtained from the University Medical Centre, Institute of Oncology, Ljubljana, Yugoslavia. (Restricted access)

このリンパグラフィー領域は、ユーゴスラビアのリュブリャナにある大学医療センター、Institute of Oncology, Ljubljanaから入手しました。(アクセス制限あり)

Classification / Multivariate / 32 Instances / 56 Features

Lung cancer data; no attribute definitions

肺がんデータ;属性定義なし

Classification / Multivariate / 531 Instances / 102 Features

From IRAS data — NASA Ames Research Center

IRASデータより– NASAエイムズ研究センター

Classification / Multivariate / 20000 Instances / 16 Features

Database of character image features; try to identify the letter

文字画像の特徴をデータベース化したもので、文字の識別を試みます

Classification / Multivariate / 24 Instances / 4 Features

Database for fitting contact lenses

コンタクトレンズフィッティングデータベース

Classification / Multivariate / 340 Instances / 16 Features

This dataset consists in a collection of shape and texture features extracted from digital images of leaf specimens originating from a total of 40 different plant species.

このデータセットは、40種類の植物種に由来する葉の標本のデジタル画像から抽出された形状とテクスチャの特徴のコレクションで構成されています。

Classification / Multivariate / 7620 Instances / 7840 Features

A social network of LastFM users which was collected from the public API in March 2020.

アジア各国のLastFMユーザーのソーシャルネットワーク。関連するタスクは、社会的な関係性やアーティストの「いいね！」をもとに出身国を予測すること。

Classification / Multivariate / 7620 Instances / 7840 Features

A social network of LastFM users from Asian countries. The related task is predicting the country of origin based on social relations and artists liked.

アジア各国のLastFMユーザーのソーシャルネットワーク。関連するタスクは、社会的な関係性やアーティストの「いいね！」をもとに出身国を予測すること。

Classification / Multivariate / 126 Instances

126 samples from 14 participants, 309 features. Aim: assess whether voice rehabilitation treatment lead to phonations considered ‘acceptable’ or ‘unacceptable’ (binary class classification problem).

14名の参加者から126サンプル、309特徴量。目的：音声リハビリテーション治療が「許容できる」と考えられる発声と「許容できない」と考えられる発声のどちらにつながるかを評価する（2値クラス分類問題）。

Classification / Multivariate / 4000000 Instances / 42 Features

This is the data set used for The Third International Knowledge Discovery and Data Mining Tools Competition, which was held in conjunction with KDD-99

KDD-99との共催で開催された第3回国際知識発見・データマイニングツールコンペティションで使用されたデータセットです。

Classification / Multivariate / 351 Instances / 34 Features

Classification of radar returns from the ionosphere

電離層からのレーダーリターンの分類

Classification / Multivariate / 65530 Instances / 12 Features

this data set was collected from the internet traffic records on a university’s firewall.

このデータセットは、大学のファイアウォール上のインターネットトラフィック記録から収集したものです。

Classification / Multivariate / 3280 Instances / 1560 Features

This dataset represents a set of possible advertisements on Internet pages.

このデータセットは、インターネットページに掲載されている可能性のある広告の集合を表しています。

Classification / Multivariate / 75840 Instances / 523 Features

By identifying influenza-related tweets, the goal is to forecast the spatiotemporal patterns of influenza outbreaks for different locations and dates.

インフルエンザ関連のツイートを特定することで、さまざまな場所や日付におけるインフルエンザの流行の時空間パターンを予測することが目的です。

Classification / Multivariate / 12680 Instances / 23 Features

This data studies whether a person will accept the coupon recommended to him in different driving scenarios

このデータは、異なる運転シナリオにおいて、ある人が勧められたクーポンを受け入れるかどうかを研究したものです。

Classification / Multivariate / 2310 Instances / 19 Features

Image data described by high-level numeric-valued attributes, 7 classes

高レベルの数値属性、7つのクラスで記述された画像データ

Classification / Multivariate / 7800 Instances / 617 Features

Goal: Predict which letter-name was spoken–a simple classification task.

目標：どの文字名が話されていた予測-単純な分類タスク。

Classification / Multivariate / 583 Instances / 10 Features

Death by liver cirrhosis continues to increase, given the increase in alcohol consumption rates, chronic hepatitis infections, and obesity-related liver disease. Notwithstanding the high mortality of this disease, liver diseases do not affect all sub-populations equally. The early detection of pathology is a determinant of patient outcomes, yet female patients appear to be marginalized when it comes to early diagnosis of liver pathology. The dataset comprises 584 patient records collected from the NorthEast of Andhra Pradesh, India.The prediction task is to determine whether a patient suffers from liver disease based on the information about several biochemical markers, including albumin and other enzymes required for metabolism.

アルコール消費率の増加、慢性肝炎感染症、肥満関連の肝疾患などにより、肝硬変による死亡は増加の一途をたどっています。この病気の死亡率が高いにもかかわらず、肝疾患はすべての亜集団に等しく影響を与えるわけではありません。病理の早期発見は患者の転帰の決定要因ですが、肝臓の病理の早期診断に関しては、女性患者は疎外されているようです。このデータセットは、インドのアンドラプラデーシュ州北東部から収集された584人の患者記録で構成されています。予測課題は、アルブミンや代謝に必要な他の酵素を含むいくつかの生化学的マーカーに関する情報に基づいて、患者が肝臓病に罹患しているかどうかを判断することです。

Classification / Multivariate / 76000 Instances / 171 Features

The dataset consists of data collected from heavy Scania trucks in everyday usage.

このデータセットは、日常的に使用されている大型スカニアトラックから収集したデータで構成されています。

Classification / Multivariate / 368 Instances / 27 Features

Well documented attributes; 368 instances with 28 attributes (continuous, discrete, and nominal); 30% missing values

よく文書化された属性；28の属性（連続、離散、名目）を持つ368のインスタンス；30％の欠落値

Classification / Multivariate / 145 Instances / 33 Features

The data was collected from the Faculty of Engineering and Faculty of Educational Sciences students in 2019. The purpose is to predict students’ end-of-term performances using ML techniques.

このデータは、2019年に工学部と教育科学部の学生から収集されたものです。目的は、ML技術を使用して学生の学期末の成績を予測することです。

Classification / Multivariate / 1390 Instances / 28 Features

Egyptian patients who underwent treatment dosages for HCV about 18 months. Discretization should be applied based on expert recommendations; there is an attached file shows how.

HCVの治療用量を約18か月受けたエジプトの患者。離散化は、専門家の推奨事項に基づいて適用する必要があります。その方法を示す添付ファイルがあります。

Classification / Multivariate / 155 Instances / 19 Features

From G.Gong: CMU; Mostly Boolean or numeric-valued attribute types; Includes cost data (donated by Peter Turney)

G.Gongより。CMU;ほとんどがブール値または数値属性型;コストデータを含む(Peter Turney氏寄贈)

Classification / Multivariate / 160 Instances / 5 Features

Topic: human subjects study

テーマ：ヒトを対象とした研究

Classification / Multivariate / 306 Instances

Dataset contains cases from study conducted on the survival of patients who had undergone surgery for breast cancer

乳がんの手術を受けた患者の生存率について実施された研究の事例をデータセットに含みます。

Classification / Multivariate / 6590 Instances / 1 Features

The data contains lists of octamers (8 amino acids) and a flag (-1 or 1) depending on whether HIV-1 protease will cleave in the central position (between amino acids 4 and 5).

データは、オクタマー（8アミノ酸）のリストと、HIV-1プロテアーゼが中心位置（アミノ酸4と5の間）で切断するかどうかによるフラグ（-1または1）を含んでいます。

Classification / Multivariate / 10500000 Instances / 28 Features

The search for exotic particles requires sorting through a large number of collisions to find the events of interest. This data set challenges one to detect a new particle of unknown mass.

エキゾチックな粒子を探索するには、興味のあるイベントを見つけるために、多数の衝突を選別する必要があります。このデータセットは、未知の質量を持つ新しい粒子の検出に挑戦しています。

Classification / Multivariate / 165 Instances

Hepatocellular Carcinoma dataset (HCC dataset) was collected at a University Hospital in Portugal. It contains real clinical data of 165 patients diagnosed with HCC.

肝細胞癌データセット（HCCデータセット）は、ポルトガルの大学病院で収集されたものです。HCCと診断された165人の患者の実臨床データが含まれています。

Classification / Multivariate / 214 Instances / 9 Features

From USA Forensic Science Service; 6 types of glass; defined in terms of their oxide content (i.e. Na, Fe, K, etc)

米国科学捜査局より。ガラスの種類は6種類。酸化物含有量（つまり、Na、Fe、Kなど）の観点から定義されます。

Classification / Multivariate / 37700 Instances / 4010 Features

A social network of GitHub users with user-level attributes, connectivity data and a binary target variable.

GitHubユーザーのソーシャルネットワークで、ユーザーレベルの属性、接続性データ、バイナリターゲット変数が含まれています。

Classification / Multivariate / 13500 Instances / 5000 Features

GISETTE is a handwritten digit recognition problem. The problem is to separate the highly confusible digits ‘4’ and ‘9’. This dataset is one of five datasets of the NIPS 2003 feature selection challenge.

GISETTEは手書きの数字認識問題です。この問題は、非常に混同性の高い数字「4」と「9」を分離する問題です。このデータセットは、NIPS 2003の特徴選択チャレンジの5つのデータセットのうちの1つです。

Classification / Multivariate / 4750 Instances / 21 Features

Data set used to estimate the number of women editors and their editing practices in the Spanish Wikipedia

スペイン語版ウィキペディアにおける女性編集者の数とその編集慣行を推定するために使用されたデータセット

Classification / Multivariate / 76 Instances / 698 Features

This dataset contains features extracted from colonoscopy videos used to detect gastrointestinal lesions. It contains 76 lesions: 15 serrated adenomas, 21 hyperplastic lesions and 40 adenoma.

このデータセットには、消化管病変の検出に使用される大腸内視鏡検査のビデオから抽出された特徴が含まれています。76の病変が含まれています。鋸歯状腺腫15個、過形成病変21個、腺腫40個です。

Classification / Multivariate / 13910 Instances / 128 Features

This archive contains 13910 measurements from 16 chemical sensors utilized in simulations for drift compensation in a discrimination task of 6 gases at various levels of concentrations.

このアーカイブには、様々な濃度レベルの6種類のガスの識別タスクにおけるドリフト補正のためのシミュレーションに使用された16個の化学センサからの13910個の測定値が含まれています。

Classification / Multivariate / 48 Instances / 321 Features

Gait is considered a biometric criterion. Therefore, we tried to classify people with gait analysis with this gait data set.

歩行は生体情報の基準とされています。したがって、この歩行データセットを用いて、歩行分析を行う人を分類することを試みました。

Classification / Multivariate / 326 Instances / 27 Features

Multi-temporal remote sensing data of a forested area in Japan. The goal is to map different forest types using spectral data.

日本の森林地帯の多時間リモートセンシングデータ。スペクトルデータを用いて異なる森林のタイプをマッピングすることを目的としています。

Classification / Multivariate / 194 Instances / 30 Features

From Collins Gem Guide to Flags, 1986

Collins Gem Guide to Flags, 1986より

Classification / Multivariate / 6120 Instances / 51 Features

Given a theorem, predict which of five heuristics will give the fastest proof when used by a first-order prover. A sixth prediction declines to attempt a proof, should the theorem be too difficult.

ある定理が与えられたとき、1次プローバーが使用したときに、5つのヒューリスティックのうちどれが最も速く証明できるかを予測してください。6つ目の予測では、定理が難しすぎる場合には、証明を試みることを辞退します。

Classification / Multivariate / 10800 Instances / 20 Features

The data are binary attack-point vectors and their clave-direction class(es) according to the partido-alto-based paradigm.

データは2値攻撃点ベクトルとpartido-altoベースのパラダイムに従ったclave-directionクラスです。

Classification / Multivariate / 22470 Instances / 4710 Features

This webgraph is a page-page graph of verified Facebook sites. Nodes represent official Facebook pages while the links are mutual likes between sites.

このウェブグラフは、検証済みのFacebookサイトのページグラフです。ノードはFacebookの公式ページを表し、リンクはサイト間の相互の「いいね！」を表しています。

Classification / Multivariate / 336 Instances / 8 Features

This data contains protein localization sites

このデータには、タンパク質の局在部位が含まれています。

Classification / Multivariate / 132 Instances

Data for classifying if patients will survive for at least one year after a heart attack

心臓発作後1年以上生存するかどうかを分類するためのデータ

Classification / Multivariate / 520 Instances / 17 Features

This dataset contains the sign and symptpom data of newly diabetic or would be diabetic patient.

このデータセットには、新しく糖尿病になった患者、または糖尿病になりそうな患者のサインと徴候のデータが含まれています。

Classification / Multivariate / 13610 Instances / 16 Features

Images of 13,611 grains of 7 different registered dry beans were taken with a high-resolution camera. A total of 16 features; 12 dimensions and 4 shape forms, were obtained from the grains.

7種類の登録乾燥豆13,611粒の画像を高解像度カメラで撮影しました。合計16の機能。12の次元と4つの形状の形態が、粒子から得られた。

Classification / Multivariate / 1890 Instances / 12 Features

Classify type of drug consumer by personality data

性格データから薬物消費者のタイプを分類

Classification / Multivariate / 102940 Instances / 116 Features

Dota 2 is a popular computer game with two teams of 5 players. At the start of the game each player chooses a unique hero with different strengths and weaknesses.

Dota 2は5人のプレイヤーからなる2つのチームからなる人気のコンピュータゲームです。ゲーム開始時に、各プレイヤーはそれぞれ異なる長所と短所を持つユニークなヒーローを選びます。

Classification / Multivariate / 1950 Instances / 100000 Features

DOROTHEA is a drug discovery dataset. Chemical compounds represented by structural molecular features must be classified as active (binding to thrombin) or inactive. This is one of 5 datasets of the NIPS 2003 feature selection challenge.

DOROTHEAは創薬データセットです。構造分子特徴量で表される化合物は、活性（トロンビンに結合する）か不活性に分類されなければなりません。NIPS 2003の特徴量選択チャレンジの5つのデータセットのうちの1つです。

Classification / Multivariate / 71 Instances / 11 Features

Discrete Tone Images(DTI)are available which needs to be analyzed in detail. Here, we created this dataset for those who do research in DTI.

離散トーン画像(DTI)が利用可能であり、詳細な解析が必要です。ここでは、DTIの研究をしている人のために、このデータセットを作成しました。

Classification / Multivariate / 1150 Instances / 19 Features

This dataset contains features extracted from the Messidor image set to predict whether an image contains signs of diabetic retinopathy or not.

このデータセットには、画像に糖尿病性網膜症の兆候が含まれているかどうかを予測するために、Messidor画像セットから抽出された特徴が含まれています。

Classification / Multivariate / 2600 Instances / 20000 Features

DEXTER is a text classification problem in a bag-of-word representation. This is a two-class classification problem with sparse continuous input variables. This dataset is one of five datasets of the NIPS 2003 feature selection challenge.

DEXTERは、袋語表現のテキスト分類問題です。疎な連続入力変数を用いた2クラス分類問題です。このデータセットは、NIPS 2003の特徴選択チャレンジの5つのデータセットのうちの1つです。

Classification / Multivariate / 373 Instances / 513 Features

I extract features from malacious and non-malacious and create and training dataset to teach svm classifier.Dataset made of unknown executable to detect if it is virus or normal safe executable.

悪質なものと悪意のないものから特徴を抽出し、svm分類器を教えるためのデータセットを作成して訓練します。不明な実行可能ファイルで作られたデータセットで、ウイルスか通常の安全な実行可能ファイルかを検出します。

Classification / Multivariate / 366 Instances

Aim for this dataset is to determine the type of Eryhemato-Squamous Disease.

このデータセットの目的は、Eryhemato-Squamous Diseaseの種類を決定することです。

Classification / Multivariate / 503 Instances

Marine sponges of the Demospongiae class classification domain.

Demospongiaeクラス分類領域の海綿類。

Classification / Multivariate / 20000 Instances / 200000 Features

Medical deepfakes: CT scans of human lungs, where some have been tampered with cancer added/removed. Can you find them?

医療ディープフェイク:人間の肺のCTスキャンで、一部はがんの追加/除去で改ざんされています。あなたはそれらを見つけることができますか?

Classification / Multivariate / 58510 Instances / 49 Features

Features are extracted from motor current. The motor has intact and defective components. This results in 11 different classes with different conditions.

モーター電流から特徴量を抽出。モーターには無傷の部品と欠陥のある部品があります。その結果、条件の異なる11のクラスに分かれています。

Classification / Multivariate / 512 Instances / 39 Features

Used in decision tree induction for mitigating process delays known as cylinder bands” in rotogravure printing”

グラビア印刷におけるシリンダーバンドと呼ばれるプロセス遅延を軽減するための決定木誘導に使用されています。

Classification / Multivariate / 10550 Instances / 29 Features

Crowdsourced data from OpenStreetMap is used to automate the classification of satellite images into different land cover classes (impervious, farm, forest, grass, orchard, water).

OpenStreetMapからクラウドソースされたデータは、衛星画像の異なる土地被覆クラス（不浸透性、農場、森林、草、果樹園、水）への分類を自動化するために使用されています。

Classification / Multivariate / 690 Instances / 15 Features

This data concerns credit card applications; good mix of attributes

このデータは、クレジットカードのアプリケーションに関するものです。

Classification / Multivariate / 581010 Instances / 54 Features

Classification of pixels into 7 forest cover types based on attributes such as elevation, aspect, slope, hillshade, soil-type, and more.

標高、傾斜方向、傾斜角、陰影起伏、土壌タイプなどの属性に基づいて、ピクセルを7つの森林被覆タイプに分類します。

Classification / Multivariate / 1470 Instances

Dataset is a subset of the 1987 National Indonesia Contraceptive Prevalence Survey.

データセットは、1987年インドネシア避妊有病率調査（National Indonesia Contraceptive Prevalence Survey）のサブセットです。

Classification / Multivariate / 208 Instances / 60 Features

The task is to train a network to discriminate between sonar signals bounced off a metal cylinder and those bounced off a roughly cylindrical rock.

本研究では、金属製の円筒から跳ね返ったソナー信号と、大まかな円筒状の岩から跳ね返ったソナー信号を識別するためのネットワークを訓練することを課題としています。

Classification / Multivariate / 435 Instances / 16 Features

1984 United Stated Congressional Voting Records; Classify as Republican or Democrat

1984年米国議会投票記録；共和党または民主党に分類

Classification / Multivariate / 540 Instances

Given Latin hypercube samples of 18 climate model input parameter values, predict climate model simulation crashes and determine the parameter value combinations that cause the failures.

18個の気候モデルの入力パラメータ値のうち、ラテン語の超立方体のサンプルが与えられると、気候モデルのシミュレーションがクラッシュすることを予測し、失敗の原因となるパラメータ値の組み合わせを決定します。

Classification / Multivariate / 400 Instances / 25 Features

This dataset can be used to predict the chronic kidney disease and it can be collected from the hospital nearly 2 months of period.

このデータセットは慢性腎臓病の予測に使用でき、約2ヶ月間の病院から収集することができます。

Classification / Multivariate / 3200 Instances / 36 Features

King+Rook versus King+Pawn on a7 (usually abbreviated KRKPA7).

a7上のキング+ルーク対キング+ポーン（通常はKRKPA7と略される）。

Classification / Multivariate / 28060 Instances / 6 Features

Chess Endgame Database for White King and Rook against Black King (KRK).

黒王(KRK)に対抗する白王とルークのチェス終盤ゲームデータベース。

Classification / Multivariate / 745000 Instances / 411 Features

Character images from scanned and computer generated fonts.

スキャンされたフォントとコンピュータで生成されたフォントからの文字イメージ。

Classification / Multivariate / 858 Instances / 36 Features

This dataset focuses on the prediction of indicators/diagnosis of cervical cancer. The features cover demographic information, habits, and historic medical records.

このデータセットは、子宮頸がんの指標/診断の予測に焦点を当てています。特徴は、人口統計学的情報、習慣、および過去の医療記録をカバーしています。

Classification / Multivariate / 299290 Instances / 40 Features

This data set contains weighted census data extracted from the 1994 and 1995 current population surveys conducted by the U.S. Census Bureau.

このデータセットは、米国国勢調査局が1994年と1995年に実施した現在の人口調査から抽出した加重付きの国勢調査データを含んでいます。

Classification / Multivariate / 48840 Instances / 14 Features

Predict whether income exceeds $50K/yr based on census data. Also known as Adult dataset.

国勢調査データに基づいて、収入が年間50Kドルを超えるかどうかを予測します。アダルトデータセットとも呼ばれます。

Classification / Multivariate / 2130 Instances

The dataset consists of measurements of fetal heart rate (FHR) and uterine contraction (UC) features on cardiotocograms classified by expert obstetricians.

このデータセットは、専門家である産科医によって分類されたカルジオトコグラム上の胎児心拍数（FHR）と子宮収縮（UC）の特徴の測定値で構成されています。

Classification / Multivariate / 14 Instances / 7 Features

Coronavirus Disease (COVID-19) Surveillance.

コロナウイルス病（COVID-19）サーベイランス。

Classification / Multivariate / 106 Instances

Dataset with electrical impedance measurements of freshly excised tissue samples from the breast.

乳房から切除したばかりの組織サンプルの電気インピーダンス測定を含むデータセット。

Classification / Multivariate / 699 Instances / 9 Features

Original Wisconsin Breast Cancer Database

オリジナルのウィスコンシン乳癌データベース

Classification / Multivariate / 116 Instances

Clinical features were observed or measured for 64 patients with breast cancer and 52 healthy controls.

乳がん患者64人と健常対照52人について、臨床的特徴が観察または測定されました。

Classification / Multivariate / 286 Instances / 9 Features

This breast cancer domain was obtained from the University Medical Centre, Institute of Oncology, Ljubljana, Yugoslavia. This is one of three domains provided by the Oncology Institute that has repeatedly appeared in the machine learning literature. (See also lymphography and primary-tumor.)

この乳がんドメインは、ユーゴスラビアのリュブリャナにあるUniversity Medical Centre, Institute of Oncologyから入手しました。これは腫瘍学研究所から提供された3つのドメインのうちの1つで、機械学習の文献に繰り返し登場しています。(リンパ造影と原発腫瘍も参照）。

Classification / Multivariate / 748 Instances / 5 Features

Data taken from the Blood Transfusion Service Center in Hsin-Chu City in Taiwan — this is a classification problem.

台湾・新竹市の輸血サービスセンターのデータ–これは分類上の問題です。

Classification / Multivariate / 1370 Instances

Data were extracted from images that were taken for the evaluation of an authentication procedure for banknotes.

データは、紙幣の認証手続きの評価のために撮影された画像から抽出されました。

Classification / Multivariate / 16 Instances / 4 Features

Data previously used in cognitive psychology experiment; 4 data sets represent different conditions of an experiment

以前に認知心理学の実験で使用されたデータ；4つのデータセットは、実験の異なる条件を表しています。

Classification / Multivariate / 625 Instances / 4 Features

Balance scale weight & distance database

天秤秤体重・距離データベース

Classification / Multivariate / 100 Instances / 6 Features

In this paper, we look for to recognize the causes of users tendto cyber space in Kohkiloye and Boyer Ahmad Province inIran

本論文では、イランのKohkiloyeとBoyer Ahmad州のサイバー空間へのユーザーの傾向の原因を認識するために探します。

Classification / Multivariate / 20870 Instances / 10 Features

The Avila data set has been extracted from 800 images of the ‘Avila Bible’, an XII century giant Latin copy of the Bible. The prediction task consists in associating each pattern to a copyist.

Avilaデータセットは、12世紀の巨大なラテン語のコピーである「Avila Bible」の800枚の画像から抽出されています。予測タスクは、各パターンをコピー者に関連付けることで構成されています。

Classification / Multivariate

AutoUniv is an advanced data generator for classifications tasks. The aim is to reflect the nuances and heterogeneity of real data. Data can be generated in .csv, ARFF or C4.5 formats.

AutoUnivは、分類作業のための高度なデータジェネレータです。実際のデータのニュアンスや不均一性を反映させることを目的としています。データは.csv、ARFF、C4.5形式で生成できます。

Classification / Multivariate / 292 Instances / 21 Features

Children screening data for autism suitable for classification and predictive tasks

分類や予測に適した自閉症の子供のスクリーニングデータ

Classification / Multivariate / 104 Instances / 21 Features

Autistic Spectrum Disorder Screening Data for Adolescent. This dataset is related to classification and predictive tasks.

思春期の自閉症スペクトラム障害スクリーニングデータ.このデータセットは分類と予測タスクに関連しています。

Classification / Multivariate / 777 Instances

Exhaustive one year non-confidential data in the year 2015 to 2016 of firms is collected from the Auditor Office of India to build a predictor for classifying suspicious firms.

インド監査法人から2015年から2016年までの1年間の企業の網羅的な非機密データを収集し、怪しい企業を分類するための予測因子を構築しています。

Classification / Multivariate / 226 Instances

Standardized version of the original audiology database

オリジナルオーディオロジーデータベースの標準化版

Classification / Multivariate / 226 Instances

Nominal audiology dataset from Baylor

ベイラー大学の公称聴力データセット

Classification / Multivariate / 6000 Instances / 7 Features

Dataset artificially generated by using first order theory which describes structure of ten capital letters of English alphabet

英語のアルファベットの10大文字の構造を記述する一次理論を用いて人工的に生成されたデータセット

Classification / Multivariate / 452 Instances

Distinguish between the presence and absence of cardiac arrhythmia and classify it in one of the 16 groups.

心臓不整脈の有無を区別し、16のグループのいずれかに分類します。

Classification / Multivariate / 900 Instances / 10000 Features

ARCENE’s task is to distinguish cancer versus normal patterns from mass-spectrometric data. This is a two-class classification problem with continuous input variables. This dataset is one of 5 datasets of the NIPS 2003 feature selection challenge.

ARCENEのタスクは、質量分析データからがんパターンと正常パターンを区別することです。これは連続入力変数を用いた2クラス分類問題です。このデータセットは、NIPS 2003の特徴選択課題の5つのデータセットのうちの1つです。

Classification / Multivariate / 798 Instances / 38 Features

Steel annealing data

スチールアニールデータ

Classification / Multivariate / 189 Instances / 23 Features

The dataset is a multilabel classification problem. The goal is to predict the presence of amphibians species near the water reservoirs based on features obtained from GIS systems and satellite images

データセットはマルチラベル分類問題です。目的は、GISシステムと衛星画像から得られた特徴量に基づいて、貯水池付近の両生類種の存在を予測することです。

Classification / Multivariate / 120 Instances

The data was created by a medical expert as a data set to test the expert system, which will perform the presumptive diagnosis of two diseases of the urinary system.

泌尿器系の2つの疾患の推定診断を行うエキスパートシステムをテストするためのデータセットとして、医療専門家が作成しました。

Classification / Multivariate / 4480 Instances / 533 Features

This dataset contains features from Electrocardiogram (ECG), Thoracic Electrical Bioimpedance (TEB) and the Electrodermal Activity (EDA) for activity recognition.

本データセットは、活動認識のための心電図（ECG）、胸部電気生体インピーダンス（TEB）、皮膚電気活動（EDA）の特徴量を含んでいます。

Classification / Multivariate / 4480 Instances / 533 Features

This dataset contains features from Electrocardiogram (ECG), Thoracic Electrical Bioimpedance (TEB) and the Electrodermal Activity (EDA) for activity recognition.

このデータセットには、心電図(ECG)、胸部電気生体インピーダンス(TEB)、および活動認識のための皮膚電気活動(EDA)の特徴が含まれています。

Classification / Multivariate / 60000 Instances / 171 Features

The datasets’ positive class consists of component failures for a specific component of the APS system. The negative class consists of trucks with failures for components not related to the APS.

データセットの正のクラスは、APSシステムの特定のコンポーネントの故障で構成されています。ネガティブクラスは、APSとは関係のないコンポーネントの故障を持つトラックから構成されています。

Classification / Multivariate / 7840 Instances / 5 Features

Measurement of the S21,consists of 10 sweeps, each sweep contains 601 frequency points with spacing of 0.167MHz to cover a 100MHz band centered at 2.4GHz.

S21の測定は、2.4GHzを中心とした100MHz帯をカバーする0.167MHz間隔の601点の周波数点を含む10掃引で構成されています。

Multivariate, Data-Generator

Classification / Multivariate, Data-Generator / 5000 Instances / 40 Features

CART book’s waveform domains

CART BOOKの波形領域

Classification / Multivariate, Data-Generator / 5000 Instances / 21 Features

CART book’s waveform domains

CART bookの波形領域

Classification / Multivariate, Data-Generator

The file animals.c is a data generator of structured instances representing quadruped animals

ファイルanimals.cは、四足動物を表す構造化インスタンスのデータ生成器です。

Classification / Multivariate, Data-Generator

From Classification and Regression Trees book; We provide here 2 C programs for generating sample databases

分類と回帰木の本より;ここでは、サンプルデータベースを生成するための2つのCプログラムを提供します。

Classification / Multivariate, Data-Generator

Knight Pin Chess End-Game Database Creator

ナイトピンチェスエンドゲームデータベース作成者

Multivariate, Domain-Theory

Classification / Multivariate, Domain-Theory / 7200 Instances / 5 Features

10 separate databases from Garavan Institute

Garavan Instituteからの10の個別のデータベース

Classification / Multivariate, Domain-Theory / 125 Instances

Includes domain theory (generated by talking to Japanese domain experts); data in Lisp

ドメイン理論（日本のドメインエキスパートに聞いて作成したもの）、Lispデータを含む。

Multivariate, Sequential

Classification / Multivariate, Sequential / 5460 Instances / 24 Features

The data were collected as the SCITOS G5 robot navigates through the room following the wall in a clockwise direction, for 4 rounds, using 24 ultrasound sensors arranged circularly around its ‘waist’.

データは、SCITOS G5ロボットが壁に沿って時計回りに部屋の中を4周し、「腰」の周りに円形に配置された24個の超音波センサーを使用して収集されました。

Classification / Multivariate, Sequential / 11640 Instances

A pen-based database with more than 11k isolated handwritten characters

11K以上の孤立した手書き文字を持つペンベースのデータベース

Classification / Multivariate, Sequential / 1360 Instances

Data consists of written characters in a UNIPEN-like format

データはUNIPENのような形式で書かれた文字で構成されている

Classification / Multivariate, Sequential / 8240 Instances

This is a dataset of 8235 online handwritten assamese characters. The “online” process involves capturing of data as text is written on a digitizing tablet with an electronic pen.

これは、オンラインの手書きアッサム文字8235文字のデータセットです。オンライン」プロセスでは、テキストが電子ペンでデジタル化されたタブレットに書き込まれ、データが取得されます。

Multivariate, Sequential, Time-Series

Classification / Multivariate, Sequential, Time-Series / 2540 Instances

Two ground ozone level data sets are included in this collection. One is the eight hour peak set (eighthr.data), the other is the one hour peak set (onehr.data). Those data were collected from 1998 to 2004 at the Houston, Galveston and Brazoria area.

このコレクションには、2つの地上オゾンレベルデータセットが含まれています。1つは8時間のピークデータ（eighhr.data）、もう1つは1時間のピークデータ（onehr.data）です。これらのデータは、1998年から2004年までヒューストン、ガルベストン、ブラゾリア地域で収集されました。

Classification / Multivariate, Sequential, Time-Series / 13200 Instances / 4 Features

This dataset contains temporal data from a Wireless Sensor Network deployed in real-world office environments. The task is intended as real-life benchmark in the area of Ambient Assisted Living.

このデータセットには、実世界のオフィス環境に配備されたワイヤレスセンサーネットワークからの時間的なデータが含まれています。このタスクは、アンビエント・アシステッドリビングの分野における実生活のベンチマークとして意図されています。

Classification / Multivariate, Sequential, Time-Series / 1540 Instances / 65 Features

The dataset was created for the comparison and evaluation of hybrid indoor positioning methods. The dataset presented contains data from W-LAN and Bluetooth interfaces, and Magnetometer.

このデータセットは、ハイブリッド屋内測位方法の比較と評価のために作成されました。提示されたデータセットには、W-LANおよびBluetoothインターフェース、および磁力計からのデータが含まれています。

Classification / Multivariate, Sequential, Time-Series / 1540 Instances / 65 Features

The dataset was created for the comparison and evaluation of hybrid indoor positioning methods. The dataset presented contains data from W-LAN and Bluetooth interfaces, and Magnetometer.

本データセットは、ハイブリッド屋内測位方式の比較評価のために作成されたものです。発表されたデータセットには、W-LANとBluetoothインタフェース、および磁力計からのデータが含まれています。

Classification / Multivariate, Sequential, Time-Series / 13960000 Instances / 37 Features

This dataset represents ambient data collected in homes with volunteer residents. Data are collected continuously while residents perform their normal routines.

このデータセットは、ボランティアの居住者がいる家庭で収集された環境データです。データは、居住者が通常のルーチンを実行している間、継続的に収集されます。

Classification / Multivariate, Sequential, Time-Series / 13960000 Instances / 37 Features

This dataset represents ambient data collected in homes with volunteer residents. Data are collected continuously while residents perform their normal routines.

このデータセットは、ボランティアの居住者がいる家庭で収集された環境データを表しています。データは、居住者が通常のルーチンを実行している間、継続的に収集されます。

Classification / Multivariate, Sequential, Time-Series / 14980 Instances

The data set consists of 14 EEG values and a value indicating the eye state.

データセットは、14個の脳波値と眼の状態を示す値で構成されています。

Classification / Multivariate, Sequential, Time-Series / 42240 Instances / 6 Features

This dataset contains temporal data from a Wireless Sensor Network worn by an actor performing the activities: bending, cycling, lying down, sitting, standing, walking.

このデータセットには、曲げる、自転車に乗る、横になる、座る、立つ、歩くといったアクティビティを行うアクターが身につけているワイヤレスセンサーネットワークからの時間的データが含まれています。

Classification / Multivariate, Sequential, Time-Series / 42240 Instances / 6 Features

This dataset contains temporal data from a Wireless Sensor Network worn by an actor performing the activities: bending, cycling, lying down, sitting, standing, walking.

このデータセットには、屈曲、サイクリング、横たわる、座る、立つ、歩くなどのアクティビティを実行するアクターが装着するワイヤレス センサー ネットワークからの時間データが含まれています。

Multivariate, Spatial

Classification / Multivariate, Spatial / 67560 Instances / 42 Features

Contains connect-4 positions

コネクト4ポジションを含む

Multivariate, Text

Classification / Multivariate, Text / 9800 Instances / 3 Features

The datasets are taken from top 2 Indian cooking channel named Nisha Madhulika channel and Kabita’s Kitchen channel.The data set is in Hinglish Language.

データセットは、Nisha MadhulikaチャンネルとKabitaのKitchenチャンネルというインド料理のトップ2チャンネルから取得した。データセットはヒングリッシュ言語です。

Classification / Multivariate, Text / 26740 Instances / 4 Features

Social media messages in Thai language with sentiment label (positive, neutral, negative, question).

センチメントラベル（ポジティブ、ニュートラル、ネガティブ、質問）付きのタイ語のソーシャルメディアメッセージ。

Classification / Multivariate, Text / 15740 Instances

We created a gold standard Tamil-English code-switched, sentiment-annotated corpus containing 15,744 comment posts from YouTube.

YouTubeからの15,744件のコメント投稿を含む、ゴールドスタンダードのタミル語と英語のコード交換された感情注釈付きコーパスを作成しました。

Classification / Multivariate, Text / 332 Instances / 5 Features

This database contains HTML source of web pages plus the ratings of a single user on these web pages. Web pages are on four seperate subjects (Bands- recording artists; Goats; Sheep; and BioMedical)

このデータベースには、WebページのHTMLソースと、これらのWebページに対する1人のユーザーの評価が含まれています。ウェブページは4つのテーマ（Bands-レコーディング・アーティスト、Goats、Sheep、BioMedical）に分かれています。

Classification / Multivariate, Text / 1000 Instances / 59 Features

1000 sports articles were labeled using Amazon Mechanical Turk as objective or subjective. The raw texts, extracted features, and the URLs from which the articles were retrieved are provided.

1000本のスポーツ記事をAmazon Mechanical Turkを用いて客観的または主観的にラベル付けした。生のテキスト、抽出された特徴、記事が検索されたURLが提供されています。

Classification / Multivariate, Text / 5880 Instances

5879 captioned images (image and text) from social media related to damage during natural disasters/wars, and belong to 6 classes: Fires, Floods, Natural landscape, Infrastructural, Human, Non-damage.

自然災害・戦争時の被害に関連したソーシャルメディアのキャプション付き画像（画像とテキスト）5879枚で、6つのクラスに分類されます。火災、洪水、自然景観、インフラ、人間、非被害の6つのクラスに分類されます。

Classification / Multivariate, Text / 1080 Instances / 857 Features

This is a data set containing 1080 documents of free text business descriptions of Brazilian companies categorized into asubset of 9 categories

これは、9つのカテゴリのサブセットに分類されたブラジル企業のビジネス説明のフリーテキスト1080文書を含むデータセットです。

Multivariate, Text, Domain-Theory

Classification / Multivariate, Text, Domain-Theory / 1500 Instances / 10000 Features

The dataset is used for authorship identification in online Writeprint which is a new research field of pattern recognition.

このデータセットは、パターン認識の新しい研究分野であるオンラインWriteprintにおける著者識別に利用されています。

Multivariate, Time-Series

Classification / Multivariate, Time-Series / 15630000 Instances / 6 Features

Contains accelerometer and gyroscope time-series sensor data collected from a smartphone and smartwatch as 51 test subjects perform 18 activities for 3 minutes each.

スマートフォンやスマートウォッチから収集した加速度センサーとジャイロスコープの時系列センサーデータが含まれており、51人の被験者がそれぞれ3分間で18のアクティビティを実行します。

Classification / Multivariate, Time-Series / 15630000 Instances / 6 Features

Contains accelerometer and gyroscope time-series sensor data collected from a smartphone and smartwatch as 51 test subjects perform 18 activities for 3 minutes each.

51人の被験者がそれぞれ3分間18の活動を行う際に、スマートフォンとスマートウォッチから収集した加速度計とジャイロスコープの時系列センサーデータを含む。

Classification / Multivariate, Time-Series / 2400000 Instances / 3230000 Features

Anonymized 120-day subset of the ICML-09 URL data containing 2.4 million examples and 3.2 million features.

ICML-09のURLデータの120日間の匿名化されたサブセットで、240万の例と320万の特徴量が含まれています。

Classification / Multivariate, Time-Series / 8800 Instances / 13 Features

This dataset contains timeseries of mel-frequency cepstrum coefficients (MFCCs) corresponding to spoken Arabic digits. Includes data from 44 male and 44 female native Arabic speakers.

このデータセットには、アラビア語の話し言葉の数字に対応する旋律周波数係数（MFCC）の時系列が含まれています。アラビア語母語話者の男性44人と女性44人のデータを含む。

Classification / Multivariate, Time-Series / 10930 Instances

Activity recognition data set built from the recordings of 30 subjects performing basic activities and postural transitions while carrying a waist-mounted smartphone with embedded inertial sensors.

活動認識データセットは、30人の被験者が、慣性センサーを内蔵した腰に装着したスマートフォンを携帯しながら、基本的な活動や姿勢遷移を行った際の記録から構築されています。

Classification / Multivariate, Time-Series / 10930 Instances

Activity recognition data set built from the recordings of 30 subjects performing basic activities and postural transitions while carrying a waist-mounted smartphone with embedded inertial sensors.

慣性センサーが埋め込まれた腰に取り付けられたスマートフォンを携帯しながら、基本的な活動と姿勢の変化を行う30人の被験者の記録から構築された活動認識データセット。

Classification / Multivariate, Time-Series / 10130 Instances / 16 Features

Data set for estimating the precise number of occupants in a room using multiple non-intrusive environmental sensors like temperature, light, sound, CO2 and PIR.

温度、光、音、CO2、PIRなどの複数の非侵入型環境センサーを使用して、部屋の正確な占有者数を推定するためのデータセット。

Classification / Multivariate, Time-Series / 463 Instances / 90 Features

This dataset contains force and torque measurements on a robot after failure detection. Each failure is characterized by 15 force/torque samples collected at regular time intervals

このデータセットには、故障検出後のロボットの力とトルクの測定値が含まれています。各故障は、一定の時間間隔で収集された15個の力/トルクサンプルによって特徴づけられています。

Classification / Multivariate, Time-Series / 1420 Instances / 120 Features

The REALDISP dataset is devised to evaluate techniques dealing with the effects of sensor displacement in wearable activity recognition as well as to benchmark general activity recognition algorithms

REALDISPデータセットは、ウェアラブル活動認識におけるセンサー変位の影響を扱う技術を評価するために考案されているだけでなく、一般的な活動認識アルゴリズムをベンチマークするために

Classification / Multivariate, Time-Series / 440 Instances / 138670 Features

15 months worth of daily data (440 daily records) that describes the occupancy rate, between 0 and 1, of different car lanes of the San Francisco bay area freeways across time.

サンフランシスコ湾岸エリアのフリーウェイの異なる車線の占有率（0から1の間）を時系列で記述した15ヶ月分の日次データ（440件の日次記録）。

Classification / Multivariate, Time-Series / 3850000 Instances / 52 Features

The PAMAP2 Physical Activity Monitoring dataset contains data of 18 different physical activities, performed by 9 subjects wearing 3 inertial measurement units and a heart rate monitor.

PAMAP2身体活動モニタリングデータセットは、3つの慣性計測ユニットと心拍数モニターを装着した9人の被験者によって実行された18種類の身体活動のデータを含んでいます。

Classification / Multivariate, Time-Series / 20560 Instances / 7 Features

Experimental data used for binary classification (room occupancy) from Temperature,Humidity,Light and CO2. Ground-truth occupancy was obtained from time stamped pictures that were taken every minute.

温度、湿度、光、CO2の3つのデータから2値分類（部屋の占有率）に使用した実験データ。グランドトゥルースの占有率は、1分ごとに撮影されたタイムスタンプ画像から得られた。

Classification / Multivariate, Time-Series / 2550 Instances / 242 Features

The OPPORTUNITY Dataset for Human Activity Recognition from Wearable, Object, and Ambient Sensors is a dataset devised to benchmark human activity recognition algorithms (classification, automatic data segmentation, sensor fusion, feature extraction, etc).

OPPORTUNITY Dataset for Human Activity Recognition from Wearable, Object, and Ambient Sensorsは、人間の活動認識アルゴリズム（分類、自動データセグメンテーション、センサフュージョン、特徴抽出など）をベンチマークするために考案されたデータセットです。

Classification / Multivariate, Time-Series / 120 Instances

The MHEALTH (Mobile Health) dataset is devised to benchmark techniques dealing with human behavior analysis based on multimodal body sensing.

MHEALTH (Mobile Health)データセットは、マルチモーダルボディセンシングに基づく人間の行動分析技術をベンチマークするために考案されました。

Classification / Multivariate, Time-Series / 640 Instances / 12 Features

This dataset records 640 time series of 12 LPC cepstrum coefficients taken from nine male speakers.

このデータセットは、9人の男性話者から取得した12のLPC cepstrum係数の640の時系列を記録しています。

Classification / Multivariate, Time-Series / 1 Instances

Data set prepared for the use of participants for the 1994 AAAI Spring Symposium on Artificial Intelligence in Medicine.

1994年AAAI Spring Symposium on Artificial Intelligence in Medicineの参加者が使用するために用意されたデータセット。

Classification / Multivariate, Time-Series / 6460000 Instances / 8 Features

The Human Activity Recognition Trondheim (HARTH) dataset is a professionally-annotated dataset containing 22 subjects wearing two 3-axial accelerometers for around 2 hours in a free-living setting. The sensors were attached to the right thigh and lower back. The professional recordings and annotations provide a promising benchmark dataset for researchers to develop innovative machine learning approaches for precise HAR in free living.

Human Activity Recognition Trondheim (HARTH)データセットは、22人の被験者が2つの3軸加速度センサーを装着し、自由生活環境で約2時間、専門家が注釈を付けたデータセットです。センサーは右大腿部と腰部に取り付けられています。専門家による記録と注釈は、研究者が自由生活における正確なHARのための革新的な機械学習アプローチを開発するための有望なベンチマークデータセットを提供します。

Classification / Multivariate, Time-Series / 2260000 Instances / 6 Features

The Human Activity Recognition 70+ (HAR70+) dataset is a professionally-annotated dataset containing 18 fit-to-frail older-adult subjects (70-95 years old) wearing two 3-axial accelerometers for around 40 minutes during a semi-structured free-living protocol. The sensors were attached to the right thigh and lower back.

Human Activity Recognition 70+ (HAR70+)データセットは、半構造化された自由生活プロトコルの間、2つの3軸加速度センサーを約40分間装着した、18人の健康で虚弱な高齢成人被験者（70～95歳）を含む、専門家による注釈付きデータセットです。センサーは右大腿部と腰部に取り付けられた。

Classification / Multivariate, Time-Series / 919440 Instances / 11 Features

100 recordings of a sensor array under different conditions in a home setting: background, wine and banana presentations. The array includes 8 MOX gas sensors, and humidity and temperature sensors.

家庭環境でのさまざまな条件でのセンサーアレイの100回の記録：背景、ワイン、バナナのプレゼンテーション。アレイには、8つのMOXガスセンサ、湿度および温度センサが含まれています。

Classification / Multivariate, Time-Series / 18000 Instances / 1950000 Features

The dataset contains 18000 time-series recordings from a chemical detection platform at six different locations in a wind tunnel facility in response to ten high-priority chemical gaseous substances

データセットには、風洞施設内の6つの異なる場所にある化学検出プラットフォームから、10種類の優先度の高い化学ガス状物質に反応して18000回の時系列記録が含まれています。

Classification / Multivariate, Time-Series / 122 Instances

This data arises from a large study to examine EEG correlates of genetic predisposition to alcoholism. It contains measurements from 64 electrodes placed on the scalp sampled at 256 Hz

このデータは、アルコール依存症の遺伝的素因の脳波相関を調べるための大規模な研究から生まれました。256Hzでサンプリングされた頭皮に設置された64個の電極からの測定値が含まれています。

Classification / Multivariate, Time-Series / 237 Instances

This dataset contains the annotated readings of 3 acceleration sensors at the hip and leg of Parkinson’s disease patients that experience freezing of gait (FoG) during walking tasks.

このデータセットには、歩行タスク中に歩行の凍結（FoG）を経験したパーキンソン病患者の股関節と脚部の3つの加速度センサーの注釈付き読み取り値が含まれています。

Classification / Multivariate, Time-Series / 325830 Instances / 175 Features

Combining optical and PolSAR remote sensing images offers a complementary data set with a significant number of temporal, spectral, textural, and polarimetric features for cropland classification.

光学式リモートセンシング画像とPolSARリモートセンシング画像を組み合わせると、農地分類のための多数の時間的、スペクトル的、テクスチャ的、偏光的特徴を持つ補完的なデータセットが得られます。

Classification / Multivariate, Time-Series / 2570 Instances

This data consists of sample of Auslan (Australian Sign Language) signs. 27 examples of each of 95 Auslan signs were captured from a native signer using high-quality position trackers

このデータは、オーストラリア手話のサンプルから構成されています。ネイティブの手話者から高品質の位置追跡装置を用いて、95個の手話のうち27個の手話例を収集しました。

Classification / Multivariate, Time-Series / 6650 Instances

This data consists of sample of Auslan (Australian Sign Language) signs. Examples of 95 signs were collected from five signers with a total of 6650 sign samples.

このデータは、オーストラリア手話（Auslan）のサンプルから構成されています。5人の手話者から95個の手話を収集し、合計6650個の手話サンプルを収集しました。

Multivariate, Time-Series, Text

Classification / Multivariate, Time-Series, Text / 7110 Instances / 280 Features

Provide a short description of your data set (less than 200 characters).

データセットの簡単な説明を提供してください（200文字以内）。

Multivariate, Univariate

Classification / Multivariate, Univariate / 170 Instances / 54 Features

Participants completed the Personal Information Form and Divorce Predictors Scale.

参加者は、個人情報フォームと離婚予測尺度に記入しました。

Multivariate, Univariate, Text

Classification / Multivariate, Univariate, Text / 115 Instances / 200 Features

Northix is designed to be a schema matching benchmark problem for data integration of two entity relationship databases.

Northixは、2つの実体関係データベースのデータ統合のためのスキーママッチングのベンチマーク問題として設計されています。

Sequential

Classification / Sequential / 4960 Instances

ChIP-seq experiments characterize protein modifications or binding atspecific genomic locations in specific samples. The machine learningproblem in these data is structured binary classification.

ChIP-seq実験は、特定のサンプル内の特定のゲノム位置でのタンパク質の修飾または結合を特徴づける。これらのデータの機械学習問題は、構造化された二値分類です。

Classification / Sequential / 165630 Instances / 18 Features

A dataset with 5 classes (sitting-down, standing-up, standing, walking, and sitting) collected on 8 hours of activities of 4 healthy subjects. We also established a baseline performance index.

身体の姿勢と動きの分類（PUC-Rio）。健常者4名の8時間の活動について収集した5つのクラス（座位、起立、起立、歩行、座位）のデータセット。また、ベースラインパフォーマンス指数を設定しました。

Classification / Sequential / 165630 Instances / 18 Features

A dataset with 5 classes (sitting-down, standing-up, standing, walking, and sitting) collected on 8 hours of activities of 4 healthy subjects. We also established a baseline performance index.

4人の健康な被験者の8時間の活動について収集された5つのクラス(座る、立つ、立つ、歩く、座る)を含むデータセット。また、ベースラインパフォーマンス指標も確立しました。

Classification / Sequential / 128 Instances

From CMU connectionist bench repository; Classifies secondary structure of certain globular proteins

CMU connectionist bench repositoryより;特定の球状タンパク質の二次構造を分類しています。

Classification / Sequential / 606 Instances / 101 Features

Each record represents 100 points on a two-dimensional graph. When plotted in order (from 1 through 100) as the Y co-ordinate, the points will create either a Hill (a “bump” in the terrain) or a Valley (a “dip” in the terrain).

各レコードは2次元グラフ上の100点を表しています。Y座標を1から100までの順にプロットすると、丘(地形のこぶ)と谷(地形の窪み)のどちらかになります。

Classification / Sequential / 5670 Instances / 17 Features

The data set is composed of 60 chorales (5665 events) by J.S. Bach (1675-1750).Each event of each chorale is labelled using 1 among 101 chord labels and describedthrough 14 features.

データセットは、J.S.バッハ(1675-1750)の60のコラール(5665のイベント)で構成されています。各コラールの各イベントは、101個のコードラベルのうち1個を用いてラベル付けされ、14個の特徴量で記述されています。

Classification / Sequential / 1850 Instances / 2 Features

Peptides with experimental annotations on their anticancer action on breast and lung cancer cells.

乳がんや肺がん細胞に対する抗がん作用に関する実験的なアノテーションを持つペプチド。

Classification / Sequential / 75130 Instances / 9 Features

Sequential motion data from 14 healthy older people aged 66 to 86 years old using a batteryless, wearable sensor on top of their clothing for the recognition of activities in clinical environments.

臨床環境での活動を認識するために、バッテリーレスのウェアラブルセンサーを衣服の上から装着した66歳から86歳までの14人の健康な高齢者からの連続的な動きデータ。

Classification / Sequential / 75130 Instances / 9 Features

Sequential motion data from 14 healthy older people aged 66 to 86 years old using a batteryless, wearable sensor on top of their clothing for the recognition of activities in clinical environments.

66歳から86歳までの健康な高齢者14人を対象に、衣服の上にバッテリーレスのウェアラブルセンサーを装着し、臨床環境での活動を認識したシーケンシャルモーションデータ。

Sequential, Domain-Theory

Classification / Sequential, Domain-Theory / 3190 Instances / 61 Features

Primate splice-junction gene sequences (DNA) with associated imperfect domain theory

霊長類のスプライス結合遺伝子配列（DNA）と不完全領域理論の関係

Classification / Sequential, Domain-Theory / 106 Instances / 58 Features

E. Coli promoter gene sequences (DNA) with partial domain theory

E.部分ドメイン理論を用いた大腸菌プロモーター遺伝子配列（DNA

Sequential, Multivariate, Time-Series

Classification / Sequential, Multivariate, Time-Series / 48 Instances

A Comprehensive CAN Bus Attack Dataset from Moving Vehicles for Intrusion Detection System EvaluationThis dataset includes CAN bus attacks collected from a modern automobile equipped with autonomous driving capabilities, operating in real-world driving scenarios. The dataset encompasses physically verified attacks to enhance the comparison and validation of in-vehicle network Intrusion Detection Systems.

侵入検知システム評価のための移動車両からの包括的なCANバス攻撃データセットこのデータセットには、自動運転機能を搭載した最新の自動車から収集され、実際の運転シナリオで動作するCANバス攻撃が含まれています。このデータセットには、車載ネットワーク侵入検知システムの比較と検証を強化するために、物理的に検証された攻撃が含まれています。

Sequential, Time-Series

Classification / Sequential, Time-Series / 314080 Instances

The data here are the ZZAlpha® machine learning recommendations made for various US traded stock portfolios the morning of each day during the 3 year period Jan 1, 2012 – Dec 31, 2014.

こちらのデータは、2012年1月1日から2014年12月31日までの3年間に、様々な米国株式ポートフォリオに対して毎日朝に行われたZZAlpha?機械学習による推奨をまとめたものです。

Classification / Sequential, Time-Series / 314080 Instances

The data here are the ZZAlpha® machine learning recommendations made for various US traded stock portfolios the morning of each day during the 3 year period Jan 1, 2012 – Dec 31, 2014.

ここでのデータは、2012年1月1日から2014年12月31日までの3年間、米国のさまざまな取引株式ポートフォリオに対して毎日午前中に行われたZZAlpha® 機械学習の推奨事項です。

Classification / Sequential, Time-Series / 74 Instances / 102 Features

Data include over 100 Team Activity Measures and outcomes (ML classes) obtained from activities of 74 student teams during the creation of final class project in SW Eng. classes at SFSU, Fulda, FAU

データには、SFSU、フルダ、FAUのSWエンジニアリングクラスでの最終クラスプロジェクトの作成中に74の学生チームの活動から得られた100を超えるチーム活動の測定と結果(MLクラス)が含まれています

Classification / Sequential, Time-Series / 74 Instances / 102 Features

Data include over 100 Team Activity Measures and outcomes (ML classes) obtained from activities of 74 student teams during the creation of final class project in SW Eng. classes at SFSU, Fulda, FAU

データには、SFSU、Fulda、FAUのSW Eng.クラスの最終クラスプロジェクトの作成中に74の学生チームの活動から得られた100以上のチーム活動の測定値と結果（MLクラス）が含まれています。

Classification / Sequential, Time-Series / 23570 Instances / 5 Features

This dataset contains RSSIs obtained on smartphones(Sony Xperia XA1). Signals were transmitted from BLE product called iTAG. Location column denotes the position of iTAG in building’s entry.

このデータセットには、スマートフォン(Sony Xperia XA1)で取得したRSSIが含まれています。信号はiTAGと呼ばれるBLE製品から送信されています。位置の欄は、建物の入口にあるiTAGの位置を示しています。

Tabular

Classification / Tabular / 303 Instances

It was collected for CAD diagnosis.

CAD診断のために収集されました。

Classification / Tabular / 303 Instances

It was collected for CAD diagnosis.

CAD診断のために収集されました。

Classification / Tabular / 171 Instances / 1200 Features

The dataset includes 171 molecules designed for functional domains of a core clock protein, CRY1, responsible for generating circadian rhythm. 56 of the molecules are toxic and the rest are non-toxic.

このデータセットには、概日リズムの生成に関与するコア時計タンパク質CRY1の機能ドメインに対して設計された171個の分子が含まれています。そのうち56分子は有毒で、残りは無毒です。

Classification / Tabular / 4470 Instances / 241 Features

TUNADROMD dataset contains 4465 instances and 241 attributes. The target attribute for classification is a category (malware vs good ware). (N.B. This is the preprocessed version of TUANDROMD)

TUNADROMDデータセットには、4465個のインスタンスと241個の属性が含まれています。分類のターゲット属性はカテゴリ（マルウェアと優良ウェア）です。（注意：これはTUANDROMDの前処理バージョンです）

Classification / Tabular / 2510 Instances / 1 Features

This dataset contains tweet of the second-largest local language in Indonesia and is used for emotion classification.

このデータセットには、インドネシアで2番目に大きな現地語のつぶやきが含まれており、感情分類に利用されています。

Classification / Tabular / 143 Instances

A data extract of a non-federal dataset posted here https://catalog.data.gov/dataset/somerville-happiness-survey-responses-2011-2013-2015

ここに投稿された非連邦政府のデータセットのデータ抜粋https://catalog.data.gov/dataset/somerville-happiness-survey-responses-2011-2013-2015

Classification / Tabular / 100 Instances

The dataset includes 100 molecules with 6 most relevant descriptors to determine the candidate inhibitors of a target protein, Sirtuin6. The molecules are grouped based on their low- and high-BFEs.

データセットには、標的タンパク質Sirtuin6の阻害剤候補を決定するために、最も関連性の高い6つの記述子を持つ100個の分子が含まれています。分子は低BFEと高BFEに基づいてグループ化されています。

Classification / Tabular / 444630 Instances / 10 Features

This dataset contains gas and temperature sensors as well as movement infra-red sensors from the monitoring of an elder person living alone in their own home from 2019-11-06 to 2020-02-13. The measurings have a temporal resolution of 20 seconds. The air and gas sensors measure temperature, humidity, CO2, CO and MOX readings. The data from the position sensors are binary; for each room, a 1 means that movement has been detected in that room while a 0 means that the sensor has gone back to baseline. The attached figure represents a simple layout of the monitored home as well as the sensors locations. The dataset also includes 19 days of measurements (from 2020-01-25 to 2020-02-13) where noone was occupying the room (except for an esporadic visit the 2020-01-29 at 15:), as reference data

このデータセットには、2019-11-06から2020-02-13まで、自宅で一人暮らしをしている高齢者のモニタリングから得られた、ガスセンサー、温度センサー、動作赤外線センサーが含まれています。測定の時間分解能は20秒です。空気およびガスセンサーは、温度、湿度、CO2、COおよびMOXの測定値を測定します。位置センサーからのデータはバイナリで、各部屋について、1はその部屋で動きが検出されたことを意味し、0はセンサーがベースラインに戻ったことを意味します。添付の図は、モニターされた家の簡単なレイアウトとセンサーの位置を表しています。データセットには、参照データとして、誰も部屋にいなかった19日間（2020-01-25から2020-02-13まで）の測定値も含まれている（2020-01-29の15:にエスポラディックが訪問したことを除く）。

Classification / Tabular / 61070 Instances / 20 Features

Dataset of simulated mushrooms for binary classification into edible and poisonous.

食用と有毒に二値分類するためのシミュレートされたキノコのデータセット。

Classification / Tabular / 11060 Instances

This dataset collected mainly from: PhishTank archive, MillerSmiles archive, Google’s searching operators.

このデータセットは主に以下から収集されました：PhishTankアーカイブ、MillerSmilesアーカイブ、Googleの検索オペレーター。

Classification / Tabular / 235800 Instances / 54 Features

PhiUSIIL Phishing URL Dataset is a substantial dataset comprising 134,850 legitimate and 100,945 phishing URLs. Most of the URLs we analyzed, while constructing the dataset, are the latest URLs. Features are extracted from the source code of the webpage and URL. Features such as CharContinuationRate, URLTitleMatchScore, URLCharProb, and TLDLegitimateProb are derived from existing features.

PhiUSIILフィッシングURLデータセットは134,850の正当なURLと100,945のフィッシングURLからなる膨大なデータセットです。データセットを構築する際に分析したURLのほとんどは最新のURLです。特徴はウェブページとURLのソースコードから抽出されます。CharContinuationRate、URLTitleMatchScore、URLCharProb、TLDLegitimateProbなどの特徴は既存の特徴から派生したものです。

Classification / Tabular / 90 Instances / 1180 Features

The dataset includes 90 non-toxic molecules designed for functional domain of a core clock protein, CRY1, of which 27 molecules significantly lengthen the period of circadian rhythm and the rest, 63 molecules, are no changers.

このデータセットには、時計のコアタンパク質CRY1の機能ドメイン用にデザインされた90の非毒性分子が含まれており、そのうち27分子は概日リズムの周期を有意に長くし、残りの63分子は変化なしです。

Classification / Tabular / 344 Instances

An introductory dataset presented as an alternative to Iris and useful for teaching data exploration/visualization. Data comes from 3 penguin species in the islands of Palmer Archipelago, Antarctica.

Irisの代替として提示され、データの探索/視覚化の教育に役立つ入門データセットです。データは、南極のパーマー諸島の島々に生息する3種のペンギンから得られたものです。

Classification / Tabular / 714 Instances / 15 Features

This is a subset of the NPHA dataset filtered down to develop and validate machine learning algorithms for predicting the number of doctors a survey respondent sees in a year. This dataset’s records represent seniors who responded to the NPHA survey.

これは、調査回答者が1年間に受診する医師の数を予測する機械学習アルゴリズムを開発・検証するためにフィルタリングされたNPHAデータセットのサブセットです。このデータセットのレコードは、NPHAの調査に回答した高齢者です。

Classification / Tabular / 6290 Instances / 7 Features

The National Health and Nutrition Examination Survey (NHANES), administered by the Centers for Disease Control and Prevention (CDC), collects extensive health and nutritional information from a diverse U.S. population. Though expansive, the dataset is often too broad for specific analytical purposes. In this sub-dataset, we narrow our focus to predicting respondents’ age by extracting a subset of features from the larger NHANES dataset. These selected features include physiological measurements, lifestyle choices, and biochemical markers, which were hypothesized to have strong correlations with age.

米国疾病予防管理センター（CDC）が実施する国民健康栄養調査（NHANES）は、米国の多様な人口から広範な健康と栄養に関する情報を収集しています。広範なデータセットではあるが、特定の分析目的には広すぎることが多い。このサブデータセットでは、大規模なNHANESデータセットから特徴のサブセットを抽出することにより、回答者の年齢を予測することに焦点を絞ります。これらの選択された特徴には、年齢と強い相関があると仮定された生理学的測定値、ライフスタイルの選択、および生化学マーカーが含まれます。

Classification / Tabular / 6290 Instances / 7 Features

The National Health and Nutrition Examination Survey (NHANES), administered by the Centers for Disease Control and Prevention (CDC), collects extensive health and nutritional information from a diverse U.S. population. Though expansive, the dataset is often too broad for specific analytical purposes. In this sub-dataset, we narrow our focus to predicting respondents’ age by extracting a subset of features from the larger NHANES dataset. These selected features include physiological measurements, lifestyle choices, and biochemical markers, which were hypothesized to have strong correlations with age.

米国疾病管理予防センター(CDC)が実施するNational Health and Nutrition Examination Survey(NHANES)は、米国の多様な人々から広範な健康と栄養情報を収集しています。データセットは広範ですが、特定の分析目的には広すぎることがよくあります。このサブデータセットでは、より大きなNHANESデータセットから特徴のサブセットを抽出することにより、回答者の年齢を予測することに焦点を絞ります。これらの選択された特徴には、生理学的測定、ライフスタイルの選択、および生化学的マーカーが含まれ、これらは年齢と強い相関関係があると仮定されました。

Classification / Tabular / 29330 Instances / 86 Features

Contains permissions extracted from more than 29000 benign & malware Android apps released between 2010-2019.

2010年から2019年の間にリリースされた29000以上の良性およびマルウェアのAndroidアプリから抽出されたパーミッションが含まれます。

Classification / Tabular / 383 Instances / 16 Features

This data set contains 13 clinicopathologic features aiming to predict recurrence of well differentiated thyroid cancer. The data set was collected in duration of 15 years and each patient was followed for at least 10 years.

このデータセットには、高分化甲状腺癌の再発を予測することを目的とした13の臨床病理学的特徴が含まれています。データセットは15年間収集され、各患者は少なくとも10年間追跡されました。

Classification / Tabular / 174 Instances / 451 Features

The DARWIN dataset includes handwriting data from 174 participants. The classification task consists in distinguishing Alzheimer’s disease patients from healthy people.

DARWINデータセットには、174人の参加者の手書きデータが含まれています。分類タスクは、アルツハイマー病患者と健常者を区別することです。

Classification / Tabular / 90 Instances

This dataset contains information about wart treatment results of 90 patients using cryotherapy.

このデータセットには、凍結療法を用いた90人の患者のイボ治療結果に関する情報が含まれています。

Classification / Tabular / 418 Instances / 17 Features

Utilize 17 clinical features for predicting survival state of patients with liver cirrhosis. The survival states include 0 = D (death), 1 = C (censored), 2 = CL (censored due to liver transplantation).

肝硬変患者の生存状態を予測するために17の臨床的特徴を利用します。生存状態には、0 = D（死亡）、1 = C（打ち切り）、2 = CL（肝移植による打ち切り）が含まれます。

Classification / Tabular / 80 Instances

This dataset contains information about caesarian section results of 80 pregnant women with the most important characteristics of delivery problems in the medical field.

このデータセットには、医療分野における分娩問題の最も重要な特徴を持つ80人の妊婦の帝王切開の結果に関する情報が含まれています。

Tabular, Image

Classification / Tabular, Image / 200 Instances

Molecular similarity assessments by expert chemists. Useful for the prediction of molecular similarity evaluations by humans.

専門の化学者による分子類似性評価。ヒトによる分子類似性評価の予測に有用です。

Classification / Tabular, Image / 782 Instances / 59 Features

This repository holds the data from a cohort of pediatric patients with suspected appendicitis admitted with abdominal pain to Children’s Hospital St. Hedwig in Regensburg, Germany, between 2016 and 2021. Each patient has (potentially multiple) ultrasound (US) images, aka views, tabular data comprising laboratory, physical examination, scoring results and ultrasonographic findings extracted manually by the experts, and three target variables, namely, diagnosis, management and severity.

このレポジトリには、2016年から2021年の間にドイツのレーゲンスブルクにあるChildrenのHospital St.Hedwigに腹痛で入院した虫垂炎が疑われる小児患者のコホートのデータが保存されています。各患者は、（潜在的に複数の）超音波（US）画像、別名ビュー、専門家が手作業で抽出した臨床検査、身体検査、スコアリング結果および超音波所見からなる表データ、および3つのターゲット変数、すなわち診断、管理および重症度を有します。

Classification / Tabular, Image / 200 Instances / 6 Features

This dataset is a balanced dataset to classify two categories of organic Saudi dates. The dataset contains three subsets: 1) a dataset containing hand-crafted features to classify 20 date fruits into two types of organic dates (Ajwa or Medjool); 2) a dataset for images of Ajwa and Medjool (200 images of the 20 aforementioned fruits); and 3) a dataset containing tabular data with features created automatically using deep learning to classify the two organic date types (Ajwa or Medjool). This study is considered as the first work in Arabic using shallow machine learning and deep learning to create accurate models for classifying organic Saudi dates, which would enable scholars, researchers, and developers to create machine learning applications for classifying Saudi dates in various forms like websites, mobile apps, microcontrollers, tiny machine learning and internet of things applications.

このデータセットは、サウジアラビアの有機デーツを2種類に分類するためのバランスデータセットです。このデータセットには3つのサブセットが含まれる：1）20個のナツメヤシの実を2種類の有機ナツメヤシ（アジュワまたはメジュール）に分類するために手作業で作成された特徴を含むデータセット、2）アジュワとメジュールの画像のデータセット（前述の20個の果実の画像200枚）、3）2種類の有機ナツメヤシ（アジュワまたはメジュール）を分類するためにディープラーニングを用いて自動的に作成された特徴を含む表データを含むデータセット。本研究は、サウジアラビアの有機デーツを分類するための正確なモデルを作成するために、浅い機械学習と深層学習を使用したアラビア語における最初の研究であると考えられます。これにより、学者、研究者、開発者は、サウジアラビアのデーツを分類するための機械学習アプリケーションを、ウェブサイト、モバイルアプリ、マイクロコントローラ、小さな機械学習、モノのインターネットアプリケーションなど、様々な形で作成することができるようになります。

Tabular, Multivariate

Classification / Tabular, Multivariate / 253680 Instances / 21 Features

The Diabetes Health Indicators Dataset contains healthcare statistics and lifestyle survey information about people in general along with their diagnosis of diabetes. The 35 features consist of some demographics, lab test results, and answers to survey questions for each patient. The target variable for classification is whether a patient has diabetes, is pre-diabetic, or healthy.

Diabetes Health Indicators Datasetには、糖尿病の診断名とともに、一般の人々に関する医療統計とライフスタイル調査情報が含まれています。35の特徴は、各患者のいくつかの人口統計、検査結果、調査質問への回答から構成されています。分類の対象変数は、患者が糖尿病であるか、糖尿病予備軍であるか、健康であるかです。

Tabular, Multivariate, Time-Series

Classification / Tabular, Multivariate, Time-Series / 1520000 Instances / 15 Features

From a metro train in an operational context, readings from pressure, temperature, motor current, and air intake valves were collected from a compressor’s Air Production Unit (APU). This dataset reveals real predictive maintenance challenges encountered in the industry. It can be used for failure predictions, anomaly explanations, and other tasks.

運用中の地下鉄列車から、コンプレッサーの空気生産ユニット（APU）から、圧力、温度、モーター電流、吸気弁の測定値が収集されました。このデータセットは、業界で実際に遭遇する予知保全の課題を明らかにします。故障予測、異常の説明、その他の作業に使用することができます。

Tabular, Sequential, Multivariate, Time-Series

Classification / Tabular, Sequential, Multivariate, Time-Series / 31990 Instances / 8 Features

data collected on 2022, in King Saud University in riyadh for recognizing human activities using mobile phone IMU sensors (Accelerometer, and Gyroscope). these activity is calssified to standing(stop), or walking.

携帯電話のIMUセンサー（加速度計、ジャイロスコープ）を使用して人間の活動を認識するために、リヤドのキングサウド大学で2022年に収集されたデータ。

Tabular, Time-Series

Classification / Tabular, Time-Series / 297 Instances

This dataset contains data of players of the game Rocket League, performing different skillshots.

このデータセットには、さまざまなスキルショットを実行する、ロケット リーグ ゲームのプレイヤーのデータが含まれています。

Text

Classification / Text / 1960 Instances / 5 Features

It is a public set of comments collected for spam research. It has five datasets composed by 1,956 real messages extracted from five videos that were among the 10 most viewed on the collection period.

スパム研究のために収集されたコメントの公開セットです。収集期間中に最も閲覧された10本の動画から抽出した1,956個の実メッセージで構成された5つのデータセット。

Classification / Text / 1140000 Instances / 3 Features

This dataset provides user vote data on which video from a pair of videos is funnier collected on YouTube Comedy Slam. The task is to automatically predict this preference based on video metadata.

このデータセットは、YouTube Comedy Slam上で収集された、ペアの動画の中からどちらの動画が楽しいかというユーザー投票データを提供します。本研究では、動画のメタデータに基づいて、この嗜好を自動的に予測することを目的としています。

Classification / Text / 93600 Instances / 1000 Features

To create the largest authorship attribution dataset, we extracted works of 50 well-known authors. To have a non-exhaustive learning, in training there are 45 authors whereas, in the testing, it’s 50

最大の著者帰属データセットを作成するために、50人の著名な著者の作品を抽出しました。非網羅的な学習を行うために、トレーニングでは45人の著者が存在するのに対し、テストでは50人の著者が存在します。

Classification / Text / 1180 Instances / 3 Features

Persian questions gathered from a jeopardy game broadcasted on Iranian national television.

イラン国営テレビで放送されたジョパーディゲームから集められたペルシャ語の質問。

Classification / Text / 2000 Instances / 2 Features

This problem of Sentiment Analysis (SA) has been studied well on the English language but not Arabic one. Two main approaches have been devised: corpus-based and lexicon-based.

センチメント分析(SA)のこの問題は、英語ではよく研究されているが、アラビア語ではあまり研究されていない。主にコーパスベースとレキシコンベースの2つのアプローチが考案されてきた。

Classification / Text / 826 Instances / 2 Features

The TurkishSpam data set contains spam and normal emails written in Turkish.

TurkishSpamデータセットには、トルコ語で書かれたスパムと通常の電子メールが含まれています。

Classification / Text / 3000 Instances

The dataset contains sentences labelled with positive or negative sentiment.

データセットには、肯定的または否定的な感情がラベル付けされた文章が含まれています。

Classification / Text

Contains sentences from the abstract and introduction of 30 articles annotated with a modified Argumentative Zones annotation scheme. These articles come from biology, machine learning and psychology.

Argumentative Zonesを修正した注釈スキームで注釈された30本の論文の抄録と紹介文が収録されています。これらの論文は生物学、機械学習、心理学からのものです。

Classification / Text / 200 Instances / 2 Features

Sentence classification (Russian). The corpus contains Wikipedia texts splitted into sentences/ Each sentence has a topic label.

文章分類（ロシア語）。コーパスはWikipediaの文章を文章に分割したものである／各文章にはトピックラベルが付けられています。

Classification / Text / 11000 Instances / 2 Features

The dataset was gathered to carry out research on the task of sentiment analysis for Roman Urdu.

このデータセットは、ローマ字ウルドゥー語の感情分析タスクに関する研究を実行するために収集されました。

Classification / Text / 20000 Instances / 2 Features

Roman Urdu (the scripting style for Urdu language) is one of the limited resource languages.A data corpus comprising of more than 20000 records was collected.

ローマ字ウルドゥー語(ウルドゥー語のスクリプトスタイル)は、限られたリソース言語の1つです。20000を超えるレコードで構成されるデータコーパスが収集されました。

Classification / Text / 21580 Instances / 5 Features

This is a collection of documents that appeared on Reuters newswire in 1987. The documents were assembled and indexed with categories.

これは、1987年にロイターのニュースワイヤーに掲載された文書を集めたものです。文書を集め、カテゴリー別にインデックスを作成した。

Classification / Text / 200 Instances

This dataset is created by reading out 200 files from the 10 largest Reuters classes and using an Automatic Speech Recognition system to create corresponding transcriptions.

このデータセットは、最大10のロイタークラスから200のファイルを読み上げ、自動音声認識システムを使用して対応するテープ起こしを作成することで作成されています。

Classification / Text / 51 Instances

This dataset contains sentences extracted from user reviews on a given topic. Example topics are “performance of Toyota Camry” and “sound quality of ipod nano”.

このデータセットには、与えられたトピックに関するユーザーレビューから抽出された文章が含まれます。トピックの例としては、「トヨタ・カムリの性能」や「iPod nanoの音質」などがあります。

Classification / Text / 3920 Instances / 3920 Features

Opinion Corpus for Lebanese Arabic Reviews (OCLAR) corpus is utilizable for Arabic sentiment classification on services’ reviews, including hotels, restaurants, shops, and others.

OCLAR (Opinion Corpus for Lebanese Arabic Reviews)コーパスは、ホテル、レストラン、ショップなどのサービスのレビューをアラビア語でセンチメント分類するために利用されています。

Classification / Text

A textual corpus of 4000 legal cases for automatic summarization and citation analysis. For each document we collect catchphrases, citations sentences, citation catchphrases and citation classes.

自動要約・引用分析のための4000件の法的事例のテキストコーパス。各文書について、キャッチフレーズ、引用文、引用キャッチフレーズ、引用クラスを収集しています。

Classification / Text / 200 Instances / 9 Features

The dataset is a collection of text forum threads with class labels reflects the reply quality to the Initial-Post, 3 for complete relevant, 2 for partially relevant, and 1 for irrelevant

データセットは、クラスラベルを持つテキストフォーラムのスレッドのコレクションであり、Initial-Postへの返信品質を反映しています。

Classification / Text / 2630 Instances / 5 Features

Position of the fingers for 2633 guitar chords in standard tuning (double checked with software)

標準チューニングのギターコード2633本の指の位置（ソフトウェアでダブルチェック

Classification / Text / 4140 Instances / 54880 Features

This data was collected from text ads found on twelve websites that deal with various farm animal related topics. The binary labels are based on whether or not the content owner approves of the ad.

このデータは、様々な農場動物関連のトピックを扱う12のウェブサイトに掲載されているテキスト広告から収集されました。バイナリーラベルは、コンテンツの所有者が広告を承認しているかどうかに基づいています。

Classification / Text / 12230 Instances / 8520 Features

This dataset includes 1) 12234 documents (8251 training, 3983 test) extracted from DeliciousT140 dataset, 2) class labels for all documents, 3) labels for a subset of sentences of the test documents.

インスタンスラベルを用いたマルチラベルマルチインスタンス学習のためのデータセット。このデータセットには、1）DeliciousT140データセットから抽出した12234文書（トレーニング8251、テスト3983）、2）全文書のクラスラベル、3）テスト文書の文のサブセットのラベルが含まれています。

Classification / Text / 12230 Instances / 8520 Features

This dataset includes 1) 12234 documents (8251 training, 3983 test) extracted from DeliciousT140 dataset, 2) class labels for all documents, 3) labels for a subset of sentences of the test documents.

このデータセットには、1) DeliciousT140データセットから抽出された12234ドキュメント(8251トレーニング、3983テスト)、2)すべてのドキュメントのクラス ラベル、3)テスト ドキュメントの文のサブセットのラベルが含まれています。

Classification / Text / 64 Instances / 4700 Features

It contains 64 e-mails which I have manually collected from DBWorld mailing list. They are classified in: ‘announces of conferences’ and ‘everything else’.

DBWorldのメーリングリストから手動で収集した64通の電子メールが含まれています。それらは以下のように分類されています。カンファレンスのお知らせ」と「その他すべて」に分類されています。

Classification / Text / 23700 Instances

This is a intent classification (text classification) dataset with 150 in-domain intent classes. The main purpose of this dataset is to evaluate various classifiers on out-of-domain performance.

このデータセットは、150のインテントクラスを持つインテント分類（テキスト分類）データセットです。このデータセットの主な目的は、様々な分類器の領域外性能を評価することです。

Classification / Text / 1080 Instances / 22 Features

One of the primary challenges in identifying the risks of the Burst Header Packet (BHP) flood attacks in Optical Burst Switching networks (OBS) is the scarcity of reliable historical data.

光バースト交換ネットワーク(OBS)におけるバーストヘッダパケット(BHP)洪水攻撃のリスクを特定する上での主要な課題の1つは、信頼性の高い過去のデータが不足していることです。

Classification / Text / 1080 Instances / 22 Features

One of the primary challenges in identifying the risks of the Burst Header Packet (BHP) flood attacks in Optical Burst Switching networks (OBS) is the scarcity of reliable historical data.

オプティカル バースト スイッチング ネットワーク(OBS)におけるバースト ヘッダー パケット(BHP)フラッド攻撃のリスクを特定する際の主な課題の1つは、信頼できる履歴データの不足です。

Classification / Text / 4500 Instances

The dataset can be used for hate speech detection in Bengali social media texts. The dataset is categorized into political, personal, geopolitical, religious, and gender abusive hates that are either directed or generalized towards a specific person, entity, or group. The data and lexicons contain content that is racist, sexist, homophobic, and offensive in many different ways. The dataset is collected and subsequently annotated only for research-related purposes. Besides, authors don’t take any liability if some statements contain very offensive and hateful statements that are either directed towards a specific person or entity or generalized towards a group. Therefore, please use it at your risk.

このデータセットは、ベンガル語のソーシャルメディア・テキストにおけるヘイトスピーチの検出に利用できます。データセットは、政治的、個人的、地政学的、宗教的、ジェンダーを罵倒するヘイトに分類され、特定の個人、団体、グループに向けられたり、一般化されたりしています。データと辞書には、人種差別的、性差別的、同性愛嫌悪的、さまざまな意味で攻撃的なコンテンツが含まれています。このデータセットは、研究に関連する目的のためだけに収集され、その後アノテーションされたものです。また、特定の個人や団体に向けられた、あるいはある集団に一般化された、非常に攻撃的で憎悪的な記述が含まれていたとしても、著者は一切の責任を負いません。したがって、利用は自己責任でお願いします。

Time-Series

Classification / Time-Series / 3000 Instances / 2500 Features

The sEMG for Basic Hand movements includes 2 databases of surface electromyographic signals of 6 hand movements using Delsys’ EMG System. Healthy subjects conducted six daily life grasps.

基本的な手の動きのためのsEMGには、DelsysのEMGシステムを使用した6つの手の動きの表面筋電図信号の2つのデータベースが含まれています。健康な被験者が日常生活で6回の把持を行いました。

Classification / Time-Series / 3000 Instances

The Physical Action Data Set includes 10 normal and 10 aggressive physical actions that measure the human activity. The data have been collected by 10 subjects using the Vicon 3D tracker.

身体動作データセットは、人間の活動性を測定する正常な身体動作１０件と攻撃的な身体動作１０件を含みます。このデータは、10人の被験者がVicon 3Dトラッカーを使用して収集したものです。

Classification / Time-Series / 1800 Instances

Dataset of “Social Distancing Alert with Smartwatches”

「スマートウォッチによる社会的距離の警告」のデータセット

Classification / Time-Series / 5740 Instances / 561 Features

This data is an addition to an existing dataset on UCI. We collected more data to improve the accuracy of our human activity recognition algorithms applied in the domain of Ambient Assisted Living.

このデータはUCIの既存のデータセットに追加したものです。また、アンビエント・アシステッドリビングの領域で適用される人間活動認識アルゴリズムの精度を向上させるために、より多くのデータを収集しました。

Classification / Time-Series / 5740 Instances / 561 Features

This data is an addition to an existing dataset on UCI. We collected more data to improve the accuracy of our human activity recognition algorithms applied in the domain of Ambient Assisted Living.

このデータは、UCIの既存のデータセットへの追加です。私たちは、アンビエント・アシステッド・リビングの領域で適用される人間の活動認識アルゴリズムの精度を向上させるために、より多くのデータを収集しました。

Classification / Time-Series / 14220 Instances

This dataset was collected from the Smartphone sensors and can be used to analyse behaviour of a crowd, for example, an anomaly.

このデータセットはスマートフォンのセンサーから収集されたもので、群衆の行動分析、例えば異常の分析に利用できます。

Classification / Time-Series / 3060 Instances / 138 Features

20 falls and 16 daily living activities were performed by 17 volunteers with 5 repetitions while wearing 6 sensors (3.060 instances) that attached to their head, chest, waist, wrist, thigh and ankle.

頭部、胸部、腰部、手首、太もも、足首に装着した6つのセンサー（3.060インスタンス）を装着した状態で、17名のボランティアが20回の転倒と16回の日常生活動作を5回繰り返して行いました。

Classification / Time-Series / 7600 Instances

Dataset of “Mask Wearing Status Estimation with Smartwatches”

データ集合”スマートウォッチによるマスク着用状態推定”

Classification / Time-Series / 800 Instances / 9 Features

The IM-AccGyro dataset is devised to benchmark techniques dealing with human activity recognition based on inertial sensors.

IM-AccGyroデータセットは、慣性センサに基づく人間の活動認識を扱う技術をベンチマークするために考案されました。

Classification / Time-Series / 800 Instances / 9 Features

The IM-AccGyro dataset is devised to benchmark techniques dealing with human activity recognition based on inertial sensors.

このデータセットは、インターネットのページに掲載されている可能性のある広告の集合を表しています。

Classification / Time-Series / 10000 Instances

The Physical Action Data Set includes 10 normal and 10 aggressive physical actions that measure the human activity. The data have been collected by 4 subjects using the Delsys EMG wireless apparatus.

身体活動データセットには、人間の活動性を測定する10の正常な身体活動と10の積極的な身体活動が含まれています。データは、Delsys EMGワイヤレス装置を使用して4人の被験者によって収集されました。

Classification / Time-Series / 30000 Instances

These are files of raw EMG data recorded by MYO Thalmic bracelet

MYO Thalmicブレスレットで記録した生の筋力データのファイルです。

Classification / Time-Series / 10000 Instances / 7 Features

It’s data collected from different volunteers that are done in a basketball practice: dribbling, pass, shoot, picking the ball, and holding the ball.

バスケットボールの練習で行われる、ドリブル、パス、シュート、ボールを拾う、ボールを持つ、という異なるボランティアから収集されたデータです。

Classification / Time-Series / 1050 Instances

A multilingual audio-visual affective face database consisting of 1047 video clips of 286 subjects.

286人の被験者から収集した1047個のビデオクリップからなる多言語オーディオビジュアル情動顔データベース。

Classification / Time-Series / 1180 Instances

BAUM-1 dataset contains 1184 multimodal facial video clips collected from 31 subjects. The 1184 video clips contain spontaneous facial expressions and speech of 13 emotional and mental states.

BAUM-1データセットには、31人の被験者から収集した1184個のマルチモーダルな顔のビデオクリップが含まれています。1184個のビデオクリップには、13の感情状態と精神状態の自発的な表情と発話が含まれています。

Univariate

Classification / Univariate / 245060 Instances / 4 Features

The Skin Segmentation dataset is constructed over B, G, R color space. Skin and Nonskin dataset is generated using skin textures from face images of diversity of age, gender, and race people.

スキンセグメンテーションデータセットは、B, G, R色空間上に構築されています。Skin and Nonskinデータセットは、年齢、性別、人種の多様性のある人々の顔画像から肌のテクスチャを用いて生成されます。

Classification / Univariate / 182 Instances / 13 Features

The dataset concerns with the classification of two mental stages from recorded EEG signals: Planning (during imagination of motor act) and Relax state.

このデータセットは、記録された脳波信号から2つの精神段階を分類したものです。計画性(運動行為を想像している間)とリラックス状態です。

Classification / Univariate / 5180 Instances / 9 Features

The handwritten dataset was collected from 170 participants with a total of 5,180 numeral patterns. The dataset is named Prince Mohammad Bin Fahd University – Urdu/Arabic Database (PMU-UD).

手書きのデータセットは、170人の参加者から合計5,180の数字のパターンで収集されました。データセットはPrince Mohammad Bin Fahd University – Urdu/Arabic Database（PMU-UD）と名付けられた。

Classification / Univariate / 34470 Instances / 120 Features

Nomao collects data about places (name, phone, localization…) from many sources.Deduplication consists in detecting what data refer to the same place.Instances in the dataset compare 2 spots.

Nomaoは多くのソースから場所に関するデータ（名前、電話、位置情報…）を収集しています。重複排除は、どのデータが同じ場所を参照しているかを検出することで構成されています。データセットのインスタンスは2つのスポットを比較します。

Classification / Univariate / 90 Instances / 8 Features

This dataset contains information about wart treatment results of 90 patients using immunotherapy.

本データセットは、免疫療法を用いた90名の患者のイボ治療結果を収録したものです。

Univariate, Sequential, Time-Series

Classification / Univariate, Sequential, Time-Series / 164860 Instances / 8 Features

Data contains recordings of five people performing different activities. Each person wore four sensors (tags) while performing the same scenario five times.

データには、5人の人がさまざまな活動を行った記録が含まれています。各人が4つのセンサー（タグ）を身につけて、同じシナリオを5回実行しています。

Univariate, Text

Classification / Univariate, Text / 294 Instances / 1 Features

Badges labeled with a +” or “-” as a function of a person’s name”

人名の機能として「＋」または「-」で表示されたバッジ

null

Classification / null / 65920 Instances / 3 Features

The user profiling dataset is a collection of abusive users tweets and also their user following and user follower tweets. The Abusive language detection dataset is a collection of abusive tweets.

ユーザプロファイリングデータセットは、罵倒的なユーザのツイートと、そのユーザのフォロワーとフォロワーのツイートを収集したものです。乱用言語検出データセットは、乱用ツイートの集合体です。

Classification / null / 5000000 Instances / 18 Features

This is a classification problem to distinguish between a signal process which produces supersymmetric particles and a background process which does not.

これは、超対称粒子を生成するシグナルプロセスとそうでないバックグラウンドプロセスを区別するための分類問題です。

Classification / null / 1600 Instances / 64 Features

Sixteen samples of leaf each of one-hundred plant species. For each sample, a shape descriptor, fine scale margin and texture histogram are given.

100種類の植物の葉のサンプルを16個ずつ収録しています。各サンプルについて、形状記述子、微細なスケールマージン、テクスチャヒストグラムが与えられています。

Classification / null / 101 Instances

Dataset is well suited for segmentation tasks. It contains 101 scanned pages from different newspapers and magazines in Russian with ground truth pixel-based masks.

データセットはセグメンテーションタスクに適しています。このデータセットには、ロシア語の異なる新聞や雑誌からスキャンされた101ページが含まれており、基底真実ピクセルベースのマスクが付いています。

Classification / null / 11000000 Instances / 28 Features

This is a classification problem to distinguish between a signal process which produces Higgs bosons and a background process which does not.

これは、ヒッグス粒子を生成するシグナルプロセスと生成しないバックグラウンドプロセスを区別するための分類問題です。

Classification / null / 92000 Instances

This is an image database of Handwritten Devanagari characters. There are 46 classes of characters with 2000 examples each. The dataset is split into training set(85%) and testing set(15%).

これは、手書きのデヴァナーガリー文字の画像データベースです。文字の46クラスがあり、それぞれ2000例の例があります。データセットはトレーニングセット(85%)とテストセット(15%)に分割されています。

Classification / null / 528 Instances / 10 Features

Speaker independent recognition of the eleven steady state vowels of British English using a specified training set of lpc derived log area ratios.

イギリス英語の11の定常母音を、lpcから派生した対数面積比の指定されたトレーニングセットを使用して、話者に依存しない認識。

Classification / null / 704 Instances / 21 Features

Autistic Spectrum Disorder Screening Data for Adult. This dataset is related to classification and predictive tasks.

成人の自閉症スペクトラム障害スクリーニングデータ。このデータセットは分類と予測タスクに関連しています。

Classification, Causal-Discovery

Multivariate

Classification, Causal-Discovery / Multivariate / 1570 Instances / 591 Features

Data from a semi-conductor manufacturing process

半導体製造工程のデータ

Multivariate, Univariate, Sequential, Text

Classification, Causal-Discovery / Multivariate, Univariate, Sequential, Text / 221580 Instances / 20 Features

MicroblogPCU data is crawled from sina weibo microblog[http://weibo.com/]. This data can be used to study machine learning methods as well as do some social network research.

MicroblogPCUのデータは、sina weibo microblog[http://weibo.com/]からクローリングされています。このデータは、機械学習の研究やソーシャルネットワークの研究に利用できます。

Classification, Clustering

Multivariate

Classification, Clustering / Multivariate / 801 Instances / 20530 Features

This collection of data is part of the RNA-Seq (HiSeq) PANCAN data set, it is a random extraction of gene expressions of patients having different types of tumor: BRCA, KIRC, COAD, LUAD and PRAD.

このデータは、RNA-Seq（HiSeq）PANCANデータセットの一部であり、異なるタイプの腫瘍を持つ患者の遺伝子発現をランダムに抽出したものです。BRCA、KIRC、COAD、LUADおよびPRAD。

Classification, Clustering / Multivariate / 1450 Instances / 3 Features

The research project presents this database, shows the images of chestnuts that will be processed to determine the presence or absence of defects

研究プロジェクトではこのデータベースを紹介し、欠陥の有無を判断するために処理される栗の画像を示す。

Classification, Clustering / Multivariate / 440 Instances / 8 Features

The data set refers to clients of a wholesale distributor. It includes the annual spending in monetary units (m.u.) on diverse product categories

このデータセットは、卸売業者の顧客を対象としています。このデータセットには、様々な製品カテゴリーの年間支出額（金額単位（m.u.））が含まれています。

Classification, Clustering / Multivariate / 85 Instances / 450 Features

The dataset concerns listed companies of the Visegrad Group ( Czech Republic, Hungary, Poland, Slovakia). The research period covers data for quarterly analysis(Q1 2017–Q1 2021), and yearly analysis 2017–2020. We computed 82 indicators. Data concerns 6 sectors (S): 1. Transportation and warehousing; 2. Wholesale trade; 3. Manufacturing; 4. Retail trade; 5. Energy; 6. Construction.The data was collected from Emerging Markets Information Service (EMIS, http://www.securities.com), which is a database containing information on emerging markets around the world.

データセットは、ヴィシェグラード・グループ（チェコ共和国、ハンガリー、ポーランド、スロバキア）の上場企業を対象としています。調査期間は、四半期分析(2017年第1四半期～2021年第1四半期)と年間分析2017年～2020年のデータをカバーしています。82の指標を計算しました。データは6セクター(S)に関係します：1.運輸・倉庫業、2.卸売業、3.製造業、4.小売業、5.エネルギー、6.建設業。データはEmerging Markets Information Service (EMIS, http://www.securities.com)から収集した。これは世界中の新興市場に関する情報を含むデータベースです。

Classification, Clustering / Multivariate / 403 Instances / 5 Features

It is the real dataset about the students’ knowledge status about the subject of Electrical DC Machines. The dataset had been obtained from Ph.D. Thesis.

このデータセットは、直流電気機械に関する学生の知識状況に関する実際のデータセットです。データセットは博士論文から取得したものです。

Classification, Clustering / Multivariate / 5820 Instances / 33 Features

This data set contains a total 5820 evaluation scores provided by students from Gazi University in Ankara (Turkey). There is a total of 28 course specific questions and additional 5 attributes.

このデータセットには、トルコのアンカラにあるGazi大学の学生によって提供された合計5820点の評価スコアが含まれています。28のコース別問題と5つの属性があります。

Classification, Clustering / Multivariate / 129690 Instances / 12 Features

TV Commercials data set consists of standard audio-visual features of video shots extracted from 150 hours of TV news broadcast of 3 Indian and 2 international news channels ( 30 Hours each).

TVコマーシャルデータセットは、インドの3つのニュースチャンネルと2つの国際ニュースチャンネルで放送された150時間（各30時間）のTVニュースから抽出されたビデオショットの標準的な視聴覚特性から構成されています。

Classification, Clustering / Multivariate / 10000 Instances / 2 Features

This dataset comprises 10000 two-dimensional points arranged into 100 circles, each containing 100 points. It was designed to evaluate clustering algorithms, such as k-means, by providing a clear and structured clustering challenge.

このデータセットは、1000個の円に配置された10000個の2次元ポイントで構成され、それぞれに100個のポイントが含まれています。これは、明確で構造化されたクラスタリングの課題を提供することにより、k-meansなどのクラスタリング アルゴリズムを評価するように設計されています。

Classification, Clustering / Multivariate / 6320 Instances / 13 Features

We scraped a large number of eBay auctions of a popular product. After preprocessing the auction data, we build the SB dataset. The goal is to share the labelled SB dataset with the researchers.

人気商品のeBayオークションを大量にスクレイピングしました。オークションデータを前処理した後、SBデータセットを構築します。目標は、ラベル付けされたSBデータセットを研究者と共有することです。

Classification, Clustering / Multivariate / 210 Instances

Measurements of geometrical properties of kernels belonging to three different varieties of wheat. A soft X-ray technique and GRAINS package were used to construct all seven, real-valued attributes.

3種類の小麦に属する穀粒の幾何学的特性の測定。軟X線法とGRAINSパッケージを使用して、7つの実数値属性すべてを構築しました。

Classification, Clustering / Multivariate / 70 Instances

First self-care activities dataset based on ICF-CY.

ICF-CYに基づいた初のセルフケア活動データセット。

Classification, Clustering / Multivariate / 12330 Instances / 18 Features

Of the 12,330 sessions in the dataset,84.5% (10,422) were negative class samples that did notend with shopping, and the rest (1908) were positive classsamples ending with shopping.

データセットの12,330セッションのうち、84.5% (10,422)はショッピングで終わらなかったネガティブクラスのサンプルで、残りのサンプル(1908)はショッピングで終わったポジティブクラスのサンプルでした。

Classification, Clustering / Multivariate / 73 Instances / 22 Features

This dataset contains the information about non-verbal preferences of tourists

このデータセットには、観光客の非言語的好みに関する情報が含まれています

Classification, Clustering / Multivariate / 422940 Instances / 5 Features

References to news pages collected from an web aggregator in the period from 10-March-2014 to 10-August-2014. The resources are grouped into clusters that represent pages discussing the same story.

2014年3月10日から2014年8月10日までの期間にウェブアグリゲータから収集されたニュースページへの参照。リソースは、同じストーリーを議論しているページを表すクラスタにグループ化されています。

Classification, Clustering / Multivariate / 70 Instances / 70 Features

Multi-layer brain network datasets derived from the resting-state electroencephalography (EEG) data.

安静時脳波（EEG）データから導き出された多層脳ネットワークデータセット。

Classification, Clustering / Multivariate / 78100 Instances / 38 Features

5 types of hand postures from 12 users were recorded using unlabeled markers on fingers of a glove in a motion capture environment. Due to resolution and occlusion, missing values are common.

モーションキャプチャー環境下で手袋の指にラベルの付いていないマーカーを使用して、12人のユーザーから5種類の手の姿勢を記録しました。解像度とオクルージョンの関係で、欠落した値がよく見られます。

Classification, Clustering / Multivariate / 78100 Instances / 38 Features

5 types of hand postures from 12 users were recorded using unlabeled markers attached to fingers of a glove in a motion capture environment. Due to resolution and occlusion, missing values are common.

12人のユーザーから5種類の手の姿勢を、モーションキャプチャー環境で手袋の指に取り付けられたラベルのないマーカーを使って記録しました。解像度やオクルージョンの関係で、値が欠落していることがよくあります。

Classification, Clustering / Multivariate / 1080 Instances / 82 Features

Expression levels of 77 proteins measured in the cerebral cortex of 8 classes of control and Down syndrome mice exposed to context fear conditioning, a task used to assess associative learning.

恐怖条件付け（連想学習を評価するために使用されるタスク）にさらされた8クラスのコントロールマウスとダウン症マウスの大脳皮質で測定された77種類のタンパク質の発現レベル。

Classification, Clustering / Multivariate / 105 Instances / 5 Features

This data set compromises the metadata for the 2014 ICMLA conference’s accepted papers, including ID, paper titles, author’s keywords, abstracts and sessions in which they were exposed.

このデータセットは、2014年のICMLA会議のアクセプトされた論文のメタデータ、ID、論文タイトル、著者のキーワード、アブストラクト、およびそれらが公開されたセッションを妥協しています。

Classification, Clustering / Multivariate / 17900 Instances / 9 Features

Pulsar candidates collected during the HTRU survey. Pulsars are a type of star, of considerable scientific interest. Candidates must be classified in to pulsar and non-pulsar classes to aid discovery.

HTRU調査で収集されたパルサー候補。パルサーは星の一種であり、科学的にも非常に興味深いものです。パルサー候補は、発見を助けるためにパルサーと非パルサーに分類されなければなりません。

Classification, Clustering / Multivariate / 615 Instances / 12 Features

The data set contains laboratory values of blood donors and Hepatitis C patients and demographic values like age.

データセットには、献血者とC型肝炎患者の検査値と年齢などの人口統計学的な値が含まれています。

Classification, Clustering / Multivariate / 637 Instances / 20 Features

20 photos of leaves for each of 32 different species.

32種それぞれの葉の写真を20枚掲載。

Classification, Clustering / Multivariate / 399 Instances / 4 Features

This repository introduces a novel dataset for the classification of 4 groups of respiratory diseases: Chronic Obstructive Pulmonary Disease (COPD), asthma, infected, and Healthy Controls (HC).

このリポジトリでは、呼吸器疾患の4つのグループの分類のための新しいデータセットを紹介しています。慢性閉塞性肺疾患(COPD)、喘息、感染症、健康なコントロール(HC)の4つのグループに分類するための新しいデータセットを導入した。

Classification, Clustering / Multivariate / 399 Instances / 4 Features

This repository introduces a novel dataset for the classification of 4 groups of respiratory diseases: Chronic Obstructive Pulmonary Disease (COPD), asthma, infected, and Healthy Controls (HC).

このリポジトリでは、呼吸器疾患の4つのグループの分類のための新しいデータセットを紹介しています。慢性閉塞性肺疾患(COPD)、喘息、感染症、健康なコントロール(HC)の4つのグループに分類するための新しいデータセットを導入した。

Classification, Clustering / Multivariate / 322 Instances / 5 Features

The dataset was used to test an architecture based on a trust model capable to cope with the evaluation of the trustworthiness of users interacting in pervasive environments.

このデータセットは、広帯域環境下での利用者の信頼性評価に対応できる信頼モデルに基づいたアーキテクチャのテストに使用されました。

Classification, Clustering / Multivariate / 101770 Instances / 47 Features

The dataset represents ten years (1999-2008) of clinical care at 130 US hospitals and integrated delivery networks. Each row concerns hospital records of patients diagnosed with diabetes, who underwent laboratory, medications, and stayed up to 14 days. The goal is to determine the early readmission of the patient within 30 days of discharge.The problem is important for the following reasons. Despite high-quality evidence showing improved clinical outcomes for diabetic patients who receive various preventive and therapeutic interventions, many patients do not receive them. This can be partially attributed to arbitrary diabetes management in hospital environments, which fail to attend to glycemic control. Failure to provide proper diabetes care not only increases the managing costs for the hospitals (as the patients are readmitted) but also impacts the morbidity and mortality of the patients, who may face complications associated with diabetes.

このデータセットは、米国の130の病院および統合されたデリバリーネットワークでの10年間(1999-2008年)の臨床ケアを表しています。各行は、糖尿病と診断され、検査と投薬を受け、最長14日間滞在した患者の病院記録に関するものです。目標は、退院後30日以内に患者の早期再入院を決定することです。この問題は、次の理由で重要です。糖尿病患者がさまざまな予防的・治療的介入を受けた場合、臨床アウトカムの改善を示す質の高いエビデンスがあるにもかかわらず、多くの患者がそれらを受けていない。これは、病院環境での恣意的な糖尿病管理に部分的に起因している可能性があり、血糖コントロールに注意を払っていません。適切な糖尿病治療を提供しないと、(患者が再入院するため)病院の管理コストが増加するだけでなく、糖尿病に関連する合併症に直面する可能性のある患者の罹患率と死亡率にも影響を及ぼします。

Classification, Clustering / Multivariate / 13030 Instances / 69 Features

DNA codon usage frequencies of a large sample of diverse biological organisms from different taxa

異なる分類の多様な生物の大規模サンプルのDNAコドン使用頻度

Classification, Clustering / Multivariate / 88 Instances / 19 Features

Classify ceramic samples based on their chemical composition from energy dispersive X-ray fluorescence

エネルギー分散型蛍光X線からの化学組成に基づいたセラミックサンプルの分類

Classification, Clustering / Multivariate / 7200 Instances / 22 Features

Acoustic features extracted from syllables of anuran (frogs) calls, including the family, the genus, and the species labels (multilabel).

アヌラン（カエル）の鳴き声の音節から抽出された音響特徴（ファミリー、属、種のラベル（マルチラベル）を含む）。

Classification, Clustering / Multivariate / 232 Instances / 16 Features

Simulated Data set of Iraqi tourism places with their position (longitude,latitude)and type of interest for each place

イラクの観光地のシミュレーションデータセット イラクの観光地の位置（経度、緯度）と興味のある場所のタイプをシミュレートしたデータセット。

Multivariate, Sequential

Classification, Clustering / Multivariate, Sequential / 7060000 Instances / 115 Features

This dataset addresses the lack of public botnet datasets, especially for the IoT. It suggests *real* traffic data, gathered from 9 commercial IoT devices authentically infected by Mirai and BASHLITE.

このデータセットは、公開されているボットネットのデータセットの不足、特にIoTのためのものです。それは、MiraiとBASHLITEによって真正に感染した9つの商用IoTデバイスから収集された*本物の*トラフィックデータを示唆しています。

Classification, Clustering / Multivariate, Sequential / 360 Instances / 91 Features

The data set contains 15 classes of 24 instances each. Each class references to a hand movement type in LIBRAS (Portuguesename ‘LÍngua BRAsileira de Sinais’, oficial brazilian signal language).

データセットには、それぞれ24個のインスタンスからなる15個のクラスが含まれています。各クラスは、LIBRAS（ポルトガル語名「Lngua BRAsileira de Sinais」、ブラジルの公式な信号言語）の手の動きのタイプを参照しています。

Classification, Clustering / Multivariate, Sequential / 27970 Instances / 100 Features

This dataset supports the development of models that make possible to interpret Grammatical Facial Expressions from Brazilian Sign Language (Libras).

このデータセットは、ブラジル手話(Libras)の文法的表情の解釈を可能にするモデルの開発をサポートしています。

Multivariate, Sequential, Time-Series

Classification, Clustering / Multivariate, Sequential, Time-Series / 9900 Instances / 50 Features

The dataset is composed by features extracted from 7 videos with people gesticulating, aiming at studying Gesture Phase Segmentation. It contains 50 attributes divided into two files for each video.

このデータセットは、ジェスチャー位相セグメンテーションの研究を目的として、人々がジェスチャーをしている7つの動画から抽出された特徴量で構成されています。50個の属性を動画ごとに2つのファイルに分けて収録しています。

Classification, Clustering / Multivariate, Sequential, Time-Series / 6610 Instances / 15 Features

This dataset contains RSSI readings gathered from an array of Bluetooth Low Energy (BLE) iBeacons in a real-world and operational indoor environment for localization and navigation purposes.

このデータセットには、定位とナビゲーションの目的で、実世界で運用されている屋内環境にあるBluetooth Low Energy (BLE) iBeaconsのアレイから収集されたRSSIの読み取り値が含まれています。

Classification, Clustering / Multivariate, Sequential, Time-Series / 2750 Instances

This dataset comprises information regarding the ADLs performed by two users on a daily basis in their own homes.

このデータセットは、2人のユーザーが自宅で毎日行っているADLに関する情報で構成されています。

Classification, Clustering / Multivariate, Sequential, Time-Series / 2750 Instances

This dataset comprises information regarding the ADLs performed by two users on a daily basis in their own homes.

このデータセットは、2人の利用者が日常的に自宅で行っているADLに関する情報から構成されています。

Multivariate, Text

Classification, Clustering / Multivariate, Text / 120000 Instances / 1000000 Features

This dataset contains about 120k instances, each described by 13 feature types, with class information, specially useful for exploring multiview topics (cotraining, ensembles, clustering,..).

このデータセットには約120kのインスタンスが含まれており、それぞれが13の特徴タイプとクラス情報で記述されており、特に多視点トピック（コトレーニング、アンサンブル、クラスタリングなど）を探索するのに便利です。

Classification, Clustering / Multivariate, Text / 980 Instances / 11 Features

Reviews on destinations in 10 categories mentioned across East Asia. Each traveler rating is mapped as Excellent(4), Very Good(3), Average(2), Poor(1), and Terrible(0) and average rating is used.

東アジア全域で言及されている10のカテゴリーの目的地についてのレビュー。各旅行者の評価は、Excellent(4)、Very Good(3)、Average(2)、Poor(1)、Terrible(0)とマッピングされ、平均評価が使用されています。

Classification, Clustering / Multivariate, Text / 5460 Instances

Google reviews on attractions from 24 categories across Europe are considered. Google user rating ranges from 1 to 5 and average user rating per category is calculated.

ヨーロッパ全土の24のカテゴリから、アトラクションに関するGoogleレビューを考慮しています。Googleユーザー評価は1から5までの範囲で、カテゴリごとの平均ユーザー評価が計算されます。

Classification, Clustering / Multivariate, Text / 249 Instances / 7 Features

User interest information extracted from user reviews published in holidayiq.com about various types of point of interests in South India

南インドの様々なタイプの関心事について、holidayiq.comで公開されているユーザーレビューから抽出したユーザー関心事情報

Classification, Clustering / Multivariate, Text / 590 Instances / 8270 Features

Mainly from Project Gutenberg, we combine Upanishads, Yoga Sutras, Buddha Sutras, Tao Te Ching and Book of Wisdom, Book of Proverbs, Book of Ecclesiastes and Book of Ecclesiasticus

主にProject Gutenbergから、ウパニシャッド、ヨーガ経典、ブッダ経典、タオ・テーチングと知恵の書、箴言の書、エクレシアステスの書、エクレシアステスの書を組み合わせています。

Multivariate, Text, Domain-Theory

Classification, Clustering / Multivariate, Text, Domain-Theory / 5570 Instances

The SMS Spam Collection is a public set of SMS labeled messages that have been collected for mobile phone spam research.

SMSスパムコレクションは、携帯電話のスパム研究のために収集されたSMSラベル付きメッセージの公開セットです。

Classification, Clustering / Multivariate, Text, Domain-Theory / 2500 Instances / 10000 Features

The dataset is used for authorship identification in online Writeprint which is a new research field of pattern recognition.

データセットは、パターン認識の新しい研究分野であるオンラインWriteprintの著者識別に使用されています。

Multivariate, Time-Series

Classification, Clustering / Multivariate, Time-Series / 43930000 Instances / 16 Features

The Heterogeneity Human Activity Recognition (HHAR) dataset from Smartphones and Smartwatches is a dataset devised to benchmark human activity recognition algorithms (classification, automatic data segmentation, sensor fusion, feature extraction, etc.) in real-world contexts; specifically, the dataset is gathered with a variety of different device models and use-scenarios, in order to reflect sensing heterogeneities to be expected in real deployments.

Smartphones and SmartwatchesのHeterogeneity Human Activity Recognition(HHAR)データセットは、実世界のコンテキストで人間の活動認識アルゴリズム(分類、自動データセグメンテーション、センサーフュージョン、特徴抽出など)をベンチマークするために考案されたデータセットです。具体的には、データセットは、実際の展開で予想されるセンシングの不均一性を反映するために、さまざまなデバイスモデルと使用シナリオで収集されます。

Classification, Clustering / Multivariate, Time-Series / 106570 Instances / 518 Features

FMA features 106,574 tracks and includes song title, album, artist, genres; play counts, favorites, comments; description, biography, tags; together with audio (343 days, 917 GiB) and features.

音楽分析のためのデータセット。FMAは106,574曲を収録しており、曲名、アルバム、アーティスト、ジャンル、再生回数、お気に入り、コメント、説明、バイオグラフィー、タグ、音声（343日、917GiB）と機能を含んでいます。

Classification, Clustering / Multivariate, Time-Series

Recordings of 16 volunteers performing 14 Activities of Daily Living (ADL) while carrying a single wrist-worn tri-axial accelerometer.

手首に装着した3軸加速度計を1台持ち歩きながら、16人のボランティアが14の日常生活動作(ADL)を行った際の記録。

Classification, Clustering / Multivariate, Time-Series / 9120 Instances / 5630 Features

The dataset comprises motion sensor data of 19 daily and sports activities each performed by 8 subjects in their own style for 5 minutes. Five Xsens MTx units are used on the torso, arms, and legs.

データセットは、8人の被験者がそれぞれのスタイルで5分間行った19の日常活動とスポーツ活動のモーションセンサーデータから構成されています。5台のXsens MTxが胴体、腕、脚に使用されています。

Classification, Clustering / Multivariate, Time-Series / 104 Instances / 1660 Features

Breath analysis is a pivotal method for biological phenotyping. In a pilot study, 100 experiments with four subjects have been performed to study the reproducibility of this technique.

呼吸分析は、生物学的表現型決定のための極めて重要な方法です。パイロット研究では、この手法の再現性を研究するために、4人の被験者を用いた100回の実験が行われました。

Classification, Clustering / Multivariate, Time-Series / 2700 Instances / 3 Features

Manufacturing processes have undergone tremendous technological progress in recent decades. To meet the agile philosophy in industry, data-driven algorithms need to handle growing complexity, particularly in Computer Numerical Control machining. To enhance the scalability of machine learning in real-world applications, this paper presents a benchmark dataset for process monitoring of brownfield milling machines based on acceleration data. The data is collected from a real-world production plant using a smart data collection system over a two-years period. In this work, the edge-to-cloud setup is presented followed by an extensive description of the different normal and abnormal processes. An analysis of the dataset highlights the challenges of machine learning in industry caused by the environmental and industrial factors. The new dataset is published with this paper and available at: https://github.com/boschresearch/CNC_Machining.

製造工程は、ここ数十年で飛躍的な技術進歩を遂げています。産業界における俊敏な哲学に対応するため、データ駆動型アルゴリズムは、特にコンピュータ数値制御機械加工において、増大する複雑性を処理する必要があります。実世界のアプリケーションにおける機械学習のスケーラビリティを高めるために、本稿では加速度データに基づくブラウンフィールドフライス盤のプロセスモニタリングのためのベンチマークデータセットを提示します。データは、スマートデータ収集システムを用いて、現実の生産工場から2年間にわたって収集されたものです。本研究では、エッジ・ツー・クラウドのセットアップに続いて、様々な正常・異常プロセスの広範な説明を行います。データセットの分析により、環境や産業要因によって引き起こされる産業における機械学習の課題が浮き彫りになります。新しいデータセットは本論文と共に発表され、https://github.com/boschresearch/CNC_Machining。

Classification, Clustering / Multivariate, Time-Series / 2920000 Instances / 10 Features

BitcoinHeist datasets contains address features on the heterogeneous Bitcoin network to identify ransomware payments.

BitcoinHeistデータセットには、ランサムウェアの支払いを特定するための異種ビットコインネットワーク上のアドレス機能が含まれています。

Classification, Clustering / Multivariate, Time-Series / 740 Instances / 21 Features

The database was created with records of absenteeism at work from July 2007 to July 2010 at a courier company in Brazil.

データベースは、2007年7月から2010年7月までのブラジルの宅配便会社での欠勤の記録から作成されました。

Classification, Clustering / Multivariate, Time-Series / 1980 Instances / 8 Features

The first realistic and public dataset with rare undesirable real events in oil wells.

油井の中でまれに起こる望ましくない現実的な事象を持つ、初のリアルで公開されたデータセット。

Multivariate, Univariate

Classification, Clustering / Multivariate, Univariate / 72 Instances / 19 Features

The dataset contains 19 attributes regarding ca cervix behavior risk with class label is ca_cervix with 1 and 0 as values which means the respondent with and without ca cervix, respectively.

データセットには、子宮頸部の行動リスクに関する19の属性が含まれており、クラスラベルはca_cervixで、値はca_cervixが1、0で、それぞれ子宮頸部がある回答者とない回答者を意味します。

Tabular, Image, Other

Classification, Clustering / Tabular, Image, Other / 723550 Instances / 6 Features

This CSV dataset, originally used for test-pad coordinate retrieval from PCB images, presents potential applications like classification (e.g., Grey test pad detection), anomaly detection (e.g., fake test pads), or clustering for grey test pads discovery. The dataset includes X and Y representing pixel positions, and R, G, B values determining pixel color (minmax normalized from 0-255). A ‘Grey’ field indicates approximate grey pixels. This dataset was originally used for a 2-stage discovery of high number of test pad clusters (>100) in a dataset presented in:@article{Tan2016FastRO, title={Fast retrievals of test-pad coordinates from photo images of printed circuit boards}, author={Swee Chuan Tan and Schumann Tong Wei Kit}, journal={2016 International Conference on Advanced Mechatronic Systems (ICAMechS)}, year={2016}, pages={464-467}, url={https://api.semanticscholar.org/CorpusID:38544897}}More pixels here than that in the paper due to different extraction method.

このCSVデータセットは、もともとPCB画像からテストパッド座標を検索するために使用され、分類（例えば、グレイテストパッド検出）、異常検出（例えば、偽のテストパッド）、またはグレイテストパッド発見のためのクラスタリングのような潜在的なアプリケーションを提示します。データセットには、ピクセルの位置を表すXとY、ピクセルの色を決定するR、G、B値（0～255で正規化された最小値）が含まれます。「グレイ」フィールドは、おおよそのグレイピクセルを示します。このデータセットは元々、で発表されたデータセットで、多数のテストパッドクラスター（>100）の2段階発見に使用されました：article{Tan2016FastRO, title={プリント基板の写真画像からのテストパッド座標の高速検索}, author={Swee Chuan Tan and Schumann Tong Wei Kit}, journal={2016 International Conference on Advanced Mechatronic Systems (ICAMechS)}, year={2016}, pages={464-467}, url={https://api.semanticscholar.org/CorpusID:38544897}. }抽出方法が異なるため、論文よりも画素数が多い。

Tabular, Multivariate

Classification, Clustering / Tabular, Multivariate / 1020 Instances / 60660 Features

The TCGA Kidney Cancers Dataset is a bulk RNA-seq dataset that contains transcriptome profiles of patients diagnosed with three different subtypes of kidney cancers. This dataset can be used to make predictions about the specific subtype of kidney cancers given the normalized transcriptome profile data, as well as providing a hands-on experience on large and sparse genomic information.

TCGA Kidney Cancers Datasetは、3つの異なるサブタイプの腎臓がんと診断された患者のトランスクリプトーム・プロファイルを含むバルクRNA-seqデータセットです。このデータセットは、正規化されたトランスクリプトーム・プロファイル・データから、腎臓癌の特定のサブタイプについて予測を行うために使用することができます。

Tabular, Multivariate, Other

Classification, Clustering / Tabular, Multivariate, Other / 338 Instances / 4 Features

Detection of mines buried in the ground is very important in terms of safety of life and property. Many different methods have been used in this regard; however, it has not yet been possible to achieve 100% success. Mine detection process consists of sensor design, data analysis and decision algorithm phases. The magnetic anomaly method works according to the principle of measuring the anomalies resulting from the object in the magnetic field that disturbs the structure of it, the magnetic field, and the data obtained at this point are used to determine the conditions such as motion and position. The determination of parameters such as position, depth or direction of motion using magnetic anomaly has been carried out since 1970.

地中に埋設された地雷の検出は、生命と財産の安全の観点から非常に重要です。この点に関しては多くの異なる方法が用いられてきたが、100％の成功を収めることはまだ不可能です。地雷探知プロセスは、センサー設計、データ分析、判断アルゴリズムのフェーズから構成されます。磁気異常法は、磁場中の物体がその構造である磁場を乱すことによって生じる異常を測定するという原理に従って動作し、この時点で得られたデータは、動きや位置などの条件を決定するために使用されます。磁気異常を利用した位置や深さ、進行方向などのパラメータの決定は1970年から行われています。

Text

Classification, Clustering / Text / 3600 Instances / 4810 Features

The TTC-3600 data set is a collection of Turkish news and articles including categorized 3,600 documents from 6 well-known portals in Turkey. It has 4 different forms in ARFF Weka format.

トルコ語テキスト分類のベンチマークデータセット。TTC-3600データセットは、トルコの6つの有名ポータルから3,600件の文書を分類したトルコのニュースや記事を集めたものです。ARFF Weka形式で4つの異なる形式があります。

Classification, Clustering / Text / 147270 Instances / 4 Features

This dataset attributes first names to genders, giving counts and probabilities. It combines open-source government data from the US, UK, Canada, and Australia.

このデータセットは、姓名を性別に属性付けし、カウントと確率を与えています。これは、米国、英国、カナダ、オーストラリアのオープンソースの政府データを組み合わせたものです。

Classification, Clustering / Text / 501 Instances / 13 Features

This dataset contain Attributes of dresses and their recommendations according to their sales.Sales are monitor on the basis of alternate days.

このデータセットには、ドレスの属性とそのsales.Salesに応じた推奨事項が含まれており、交互の日に基づいてモニターされています。

Time-Series

Classification, Clustering / Time-Series / 26140 Instances / 6 Features

The SELFBACK dataset is a Human Activity Recognition Dataset of 9activity classes recorded with two tri-axial accelerometers.

SELFBACKデータセットは、2つの三軸加速度計で記録された9つの活動クラスのHuman Activity Recognition Datasetです。

Classification, Clustering / Time-Series / 600 Instances

This data consists of synthetically generated control charts.

このデータは、合成的に生成された制御図で構成されています。

Classification, Clustering / Time-Series / 6260 Instances / 710 Features

The MEx Multi-modal Exercise dataset contains data of 7 differentphysiotherapy exercises, performed by 30 subjects recorded with 2 accelerometers,a pressure mat and a depth camera.

MExマルチモーダルエクササイズデータセットは、30人の被験者が行った7種類の理学療法エクササイズのデータを、2つの加速度計、圧力マット、深度カメラで記録したものです。

Classification, Clustering / Time-Series / 750 Instances / 16 Features

This dataset contains weekly data for the Dow Jones Industrial Index. It has been used in computational investing research.

このデータセットには、ダウ工業株指数の週次データが含まれています。これは計算投資の研究に使用されています。

Classification, Clustering / Time-Series / 2860 Instances / 3 Features

Multiple, labelled samples of pen tip trajectories recorded whilst writing individual characters. All samples are from the same writer, for the purposes of primitive extraction. Only characters with a single pen-down segment were considered.

個々の文字を書いている間に記録されたペン先の軌跡の複数のラベル付きサンプル。プリミティブ抽出の目的で、すべてのサンプルは同じライターからのものです。1つのペンダウンセグメントを持つ文字のみを考慮しました。

Univariate, Domain-Theory

Classification, Clustering / Univariate, Domain-Theory / 560 Instances / 2 Features

This data consists of odors of 20 different perfumes. Data was obtained by using a handheld odor meter (OMX-GR sensor) per second for 28 seconds period.

このデータは、20種類の香水の匂いで構成されています。データは、ハンドヘルド臭気計（OMX-GRセンサー）を使用して、毎秒28秒の周期で取得しました。

Univariate, Sequential, Time-Series

Classification, Clustering / Univariate, Sequential, Time-Series

The dataset collects data from an Android smartphone positioned in the chest pocket from 22 participants walking in the wild over a predefined path.

このデータセットは、胸ポケットに入れたAndroidスマートフォンからのデータを収集したもので、22人の参加者が事前に定義された道を野生のまま歩いたものです。

Classification, Clustering / Univariate, Sequential, Time-Series

The dataset collects data from a wearable accelerometer mounted on the chest. The dataset is intended for Activity Recognition research purposes.

データセットは、胸部に装着したウェアラブル加速度計からデータを収集しています。このデータセットは、活動認識の研究を目的としています。

Classification, Clustering / Univariate, Sequential, Time-Series

The dataset collects data from a wearable accelerometer mounted on the chest. The dataset is intended for Activity Recognition research purposes.

このデータセットは、胸部に取り付けられたウェアラブル加速度計からデータを収集します。このデータセットは、アクティビティ認識の研究を目的としています。

Classification, Clustering, Causal-Discovery

Multivariate

Classification, Clustering, Causal-Discovery / Multivariate / 79 Instances / 8 Features

Stone flakes are waste products of the stone tool production inthe prehistoric era. The variables are means of geometric andstylistic features of the flakes contained in different inventories.

石片は、先史時代の石器生産の廃棄物です。変数は、異なるインベントリに含まれるフレークの幾何学的および様式的な特徴の手段です。

Multivariate, Sequential, Time-Series

Classification, Clustering, Causal-Discovery / Multivariate, Sequential, Time-Series / 27170000 Instances / 7 Features

A cybersecurity dataset containing nine different network attacks on a commercial IP-based surveillance system and an IoT network. The dataset includes reconnaissance, MitM, DoS, and botnet attacks.

商用IPベースの監視システムとIoTネットワークに対する9種類のネットワーク攻撃を収録したサイバーセキュリティデータセット。このデータセットには、偵察、MitM、DoS、ボットネット攻撃が含まれています。

Text

Classification, Clustering, Causal-Discovery / Text / 1540 Instances / 67 Features

The dataset was created for the comparison and evaluation of hybrid indoor positioning methods. The dataset presented contains data from W-LAN and Bluetooth interfaces, and Magnetometer.

このデータセットは、ハイブリッド屋内測位法の比較評価のために作成されました。発表されたデータセットには、W-LANとBluetoothインタフェース、地磁気計からのデータが含まれています。

Classification, Clustering, Other

Tabular, Text

Classification, Clustering, Other / Tabular, Text / 35310 Instances / 7 Features

This dataset was collected from PriceRunner, a popular product comparison platform. It includes 35311 product offers from 10 categories, provided by 306 different merchants. This dataset offers an ideal ground for evaluating classification, clustering, and entity matching algorithms. Although it contains product-related data, it can still be applied to any problem involving text/short-text mining.

このデータセットは、人気のある商品比較プラットフォームであるPriceRunnerから収集されました。このデータセットには、306の異なるマーチャントによって提供された、10のカテゴリーからの35311の商品オファーが含まれています。このデータセットは、分類、クラスタリング、およびエンティティマッチングアルゴリズムを評価するための理想的な場を提供します。このデータセットには商品関連のデータが含まれているが、テキスト／ショートテキストマイニングを含むあらゆる問題に適用することができます。

Time-Series

Classification, Clustering, Other / Time-Series / 268880 Instances

This dataset contains wearable inertial and magnetic sensor data during the execution of physical therapy exercises. There are eight types of physical therapy exercises, each of which has three execution types (correct, fast, and low-amplitude). Each execution type of each type of exercise was performed multiple times by five subjects. The subjects wore five MTx sensor units manufactured by XSens. Each unit contains three tri-axial sensors: an accelerometer, a gyroscope, and a magnetometer, sampled at 25 Hz.

このデータセットには、理学療法エクササイズの実行中のウェアラブル慣性センサーと磁気センサーのデータが含まれています。理学療法エクササイズは8種類あり、それぞれに3つの実行タイプ（正しい、速い、低振幅）があります。各エクササイズの実行タイプは、5人の被験者によって複数回実行されました。被験者は、XSens社製のMTxセンサーユニットを5個装着した。各ユニットには、加速度計、ジャイロスコープ、地磁気センサーの3軸センサーが搭載され、25Hzでサンプリングされます。

Classification, Other

Image

Classification, Other / Image / 7240 Instances / 17 Features

This dataset has 17 classes. Data are divided in three partition train, val and test. The classes are 0 : Beet Armyworm1 : Black Hairy2 : Cutworm3 : Field Cricket4 : Jute Aphid5 : Jute Hairy6 : Jute Red Mite7 : Jute Semilooper8 : Jute Stem Girdler9 : Jute Stem Weevil10 : Leaf Beetle11 : Mealybug12 : Pod Borer13 : Scopula Emissaria14 : Termite15 : Termite odontotermes (Rambur)16 : Yellow Mite

このデータセットには17のクラスがあります。データは、train、val、testの3つのパーティションに分けられます。クラスは0 : Beet Armyworm 1 : Black Hairy 2：Cutworm 3 : Field Cricket 4 : Jute Aphid 5 : Jute Hairy 6 : Jute Red Mite 7 : Jute Semilooper 8 : Jute Stem Girdler 9 : Jute Stem Weevil 10 : Leaf Beetle 11： ミールバグ12： ポッドボーラー13：Scopula Emissaria 14 : Termite 15 : Odontotermes (Rambur) 16： イエダニ

Tabular, Multivariate

Classification, Other / Tabular, Multivariate / 839 Instances / 23 Features

Gliomas are the most common primary tumors of the brain. They can be graded as LGG (Lower-Grade Glioma) or GBM (Glioblastoma Multiforme) depending on the histological/imaging criteria. Clinical and molecular/mutation factors are also very crucial for the grading process. Molecular tests are expensive to help accurately diagnose glioma patients. In this dataset, the most frequently mutated 20 genes and 3 clinical features are considered from TCGA-LGG and TCGA-GBM brain glioma projects. The prediction task is to determine whether a patient is LGG or GBM with a given clinical and molecular/mutation features. The main objective is to find the optimal subset of mutation genes and clinical features for the glioma grading process to improve performance and reduce costs.

神経膠腫は脳の最も一般的な原発性腫瘍です。これらは組織学的／画像的基準により、LGG（低悪性度グリオーマ）またはGBM（多形膠芽腫）に分類されます。臨床的因子および分子/変異因子もまた、悪性度判定プロセスにおいて非常に重要です。分子検査は、神経膠腫患者の正確な診断に役立つ高価な検査です。このデータセットでは、TCGA-LGGおよびTCGA-GBM脳グリオーマプロジェクトから、最も変異頻度の高い20の遺伝子と3つの臨床的特徴が考慮されています。予測タスクは、与えられた臨床的特徴および分子/変異特徴を持つ患者がLGGかGBMかを決定することです。主な目的は、パフォーマンスを向上させコストを削減するために、神経膠腫の等級付けプロセスに最適な変異遺伝子と臨床的特徴のサブセットを見つけることです。

Tabular, Other

Classification, Other / Tabular, Other / 18180 Instances / 15 Features

The “Recipe Reviews and User Feedback Dataset” is a comprehensive repository of data encompassing various aspects of recipe reviews and user interactions. It includes essential information such as the recipe name, its ranking on the top 100 recipes list, a unique recipe code, and user details like user ID, user name, and an internal user reputation score.Each review comment is uniquely identified with a comment ID and comes with additional attributes, including the creation timestamp, reply count, and the number of up-votes and down-votes received. Users’ sentiment towards recipes is quantified on a 1 to 5 star rating scale, with a score of 0 denoting an absence of rating.This dataset is a valuable resource for researchers and data scientists, facilitating endeavors in sentiment analysis, user behavior analysis, recipe recommendation systems, and more. It offers a window into the dynamics of recipe reviews and user feedback within the culinary website domain.

「Recipe Reviews and User Feedback Dataset」はレシピのレビューとユーザーとのインタラクションの様々な側面を含む包括的なデータリポジトリです。レシピ名、トップ100レシピリストでのランキング、ユニークなレシピコード、ユーザーID、ユーザー名、ユーザーレピュテーションスコアなどのユーザー詳細などの重要な情報が含まれています。各レビューコメントはコメントIDで一意に識別され、作成タイムスタンプ、返信数、アップボート・ダウンボート数などの属性が追加されます。レシピに対するユーザーの感情は、1から5の星評価スケールで定量化され、0のスコアは評価がないことを示す。このデータセットは研究者やデータサイエンティストにとって貴重なリソースであり、センチメント分析、ユーザー行動分析、レシピ推奨システムなどの試みを促進します。このデータセットは、料理サイトの領域におけるレシピレビューやユーザーフィードバックのダイナミクスを知るための窓を提供します。

Classification, Regression

Multivariate

Classification, Regression / Multivariate / 21050 Instances / 529 Features

The UJIIndoorLoc is a Multi-Building Multi-Floor indoor localization database to test Indoor Positioning System that rely on WLAN/WiFi fingerprint.

UJIIndoorLocは、WLAN/WiFiフィンガープリントに依存した屋内測位システムをテストするためのマルチビル・マルチフロア屋内定位データベースです。

Classification, Regression / Multivariate / 200 Instances / 28 Features

Chronic kidney disease (CKD) is an increasing medical issue that declines the productivity of renal capacities and subsequently damages the kidneys.

慢性腎臓病(CKD)は、腎能力の生産性を低下させ、その後腎臓に損傷を与える医学的問題として増加しています。

Classification, Regression / Multivariate / 779 Instances / 14 Features

Dataset of manually-curated Bioconcentration factor (BCF, fish) and mechanistic classes for QSAR modeling.

QSARモデリングのための生物濃縮係数(BCF,魚類)とメカニッククラスを手動で収集したデータセット。

Classification, Regression / Multivariate / 1040 Instances

The training data belongs to 20 Parkinson’s Disease (PD) patients and 20 healthy subjects. From all subjects, multiple types of sound recordings (26) are taken.

トレーニングデータは、パーキンソン病（PD）患者20人と健常者20人のもの。すべての被験者から、複数種類の音声記録（26）を取得した。

Classification, Regression / Multivariate / 1040 Instances

The training data belongs to 20 Parkinson’s Disease (PD) patients and 20 healthy subjects. From all subjects, multiple types of sound recordings (26) are taken.

トレーニングデータは、20人のパーキンソン病(PD)患者と20人の健康な被験者に属しています。すべての被験者から、複数の種類の録音物(26)が撮影されます。

Classification, Regression / Multivariate / 640 Instances / 10 Features

This dataset contains 640 performance measurements from a simulation of 2-Dimensional Multiprocessor Optical Interconnection Network.

このデータセットには、2次元マルチプロセッサ光相互接続ネットワークのシミュレーションから得られた640件の性能測定値が含まれています。

Classification, Regression / Multivariate / 39800 Instances / 61 Features

This dataset summarizes a heterogeneous set of features about articles published by Mashable in a period of two years. The goal is to predict the number of shares in social networks (popularity).

このデータセットは、2年間の期間にMashableによって公開された記事に関する特徴の異質なセットを要約したものです。目的は、ソーシャルネットワークでのシェア数（人気度）を予測することです。

Classification, Regression / Multivariate / 216 Instances / 216 Features

Corpus intended to do cleaning (or binarization) and enhancement of noisy grayscale printed text images using supervised learning methods. Noisy images and their corresponding ground truth provided.

コーパスは、教師付き学習法を用いてノイズの多いグレースケールの印刷されたテキスト画像のクリーニング（または二値化）とエンハンスメントを行うことを目的としています。ノイズの多い画像とそれに対応する基底真理値が提供されています。

Classification, Regression / Multivariate / 3150 Instances / 13 Features

This dataset is randomly collected from an Iranian telecom company’s database over a period of 12 months.

このデータセットは、イランの通信会社のデータベースから12ヶ月間に渡ってランダムに収集したものです。

Classification, Regression / Multivariate / 1060 Instances / 68 Features

Instances in this dataset contain audio features extracted from 1059 wave files. The task associated with the data is to predict the geographical origin of music.

このデータセットのインスタンスには、1059個のウェーブファイルから抽出されたオーディオ特徴が含まれています。このデータに関連する課題は、音楽の地理的起源を予測することです。

Classification, Regression / Multivariate / 163 Instances / 15 Features

The dataset has been feed by Android app called Go!Track. It is available at Goolge Play Store(https://play.google.com/store/apps/details?id=com.go.router).

データセットはGo!Trackと呼ばれるAndroidアプリによって提供されています。Goolge Play Store(https://play.google.com/store/apps/details?id=com.go.router)で公開されています。

Classification, Regression / Multivariate / 100 Instances / 10 Features

100 volunteers provide a semen sample analyzed according to the WHO 2010 criteria. Sperm concentration are related to socio-demographic data, environmental factors, health status, and life habits

100人のボランティアがWHOの2010年基準に従って分析された精液サンプルを提供。精子の濃度は、社会統計学的データ、環境要因、健康状態、生活習慣と関連しています。

Classification, Regression / Multivariate / 768 Instances / 8 Features

This study looked into assessing the heating load and cooling load requirements of buildings (that is, energy efficiency) as a function of building parameters.

この研究では、建物のパラメータの関数として、建物の暖房負荷と冷房負荷の要件（つまり、エネルギー効率）を評価することを検討した。

Classification, Regression / Multivariate / 10000 Instances

The local stability analysis of the 4-node star system (electricity producer is in the center) implementing Decentral Smart Grid Control concept.

分散型スマートグリッド制御の概念を導入した4ノードスターシステム（発電者が中心）の局所安定性解析。

Classification, Regression / Multivariate / 130 Instances

Predict a pattern of neurodegeneration in the dataset of speech features obtained from patients with early untreated Parkinson’s disease and patients at high risk developing Parkinson’s disease.

初期の未治療パーキンソン病患者とパーキンソン病発症リスクの高い患者から得られた音声特徴のデータセットから、神経変性のパターンを予測します。

Classification, Regression / Multivariate / 130 Instances

Predict a pattern of neurodegeneration in the dataset of speech features obtained from patients with early untreated Parkinson’s disease and patients at high risk developing Parkinson’s disease.

早期未治療のパーキンソン™病患者およびパーキンソン™病を発症するリスクの高い患者から得られた音声特徴のデータセットで神経変性のパターンを予測します。

Classification, Regression / Multivariate / 12000 Instances

This Data set provides preprocessed and cleaned vital signals which can be used in designing algorithms for cuff-less estimation of the blood pressure.

このデータセットは、血圧をカフレスで推定するためのアルゴリズムの設計に使用できるように、前処理され、洗浄されたバイタル信号を提供します。

Classification, Regression / Multivariate / 217 Instances / 12 Features

12 features categorized as conventional and social media features. Both conventional features, collected from movies databases on Web as well as social media features(YouTube,Twitter).

従来の機能とソーシャルメディア機能に分類される12の機能。Web上の映画データベースから収集した従来の機能と、ソーシャルメディア機能(YouTube、Twitter)の両方。

Classification, Regression / Multivariate / 217 Instances / 12 Features

12 features categorized as conventional and social media features. Both conventional features, collected from movies databases on Web as well as social media features(YouTube,Twitter).

従来型特徴量とソーシャルメディア特徴量に分類された12の特徴量。従来の特徴量は、Web上の動画データベースから収集した従来の特徴量と、ソーシャルメディア（YouTube,Twitter）から収集した特徴量の両方を収録しています。

Classification, Regression / Multivariate / 198 Instances

Prognostic Wisconsin Breast Cancer Database

ウィスコンシン州の乳がんデータベースの予後

Classification, Regression / Multivariate / 187 Instances / 36 Features

The data set describes pediatric patients with several hematologic diseases, who were subject to the unmanipulated allogeneic unrelated donor hematopoietic stem cell transplantation.

children :このデータセットは、いくつかの血液学的疾患を持つ小児患者を対象としていますが、その中でも特に未分化同種無関係ドナー造血幹細胞移植の対象となっています。

Classification, Regression / Multivariate / 244 Instances / 12 Features

The dataset includes 244 instances that regroup a data of two regions of Algeria.

データセットには、アルジェリアの2つの地域のデータを再グループ化した244のインスタンスが含まれています。

Classification, Regression / Multivariate / 153000 Instances / 5 Features

Accelerometer data from vibrations of a cooler fan with weights on its blades. It can be used for predictions, classification and other tasks that require vibration analysis, especially in engines.

ブレードに重りを付けた冷却ファンの振動からの加速度計データ。特にエンジンにおいて、振動解析を必要とする予測、分類、その他のタスクに使用できます。

Multivariate, Sequential

Classification, Regression / Multivariate, Sequential / 3940 Instances / 98 Features

Sanitized and anonymized Cargo 2000 (C2K) airfreight tracking and tracing events, covering five months of business execution (3,942 process instances, 7,932 transport legs, 56,082 activities).

カーゴ2000（C2K）の航空貨物の追跡および追跡イベントを匿名化し、業務遂行の5ヶ月間をカバーしています（3,942のプロセスインスタンス、7,932の輸送脚、56,082のアクティビティ）。

Multivariate, Text

Classification, Regression / Multivariate, Text / 4010 Instances

KDC-4007 dataset Collection is the Kurdish Documents Classification text used in categories regarding Kurdish Sorani news and articles.

KDC-4007データセットコレクションは、クルド語ソラニのニュースや記事に関するカテゴリで使用されるクルド語文書分類テキストです。

Multivariate, Time-Series

Classification, Regression / Multivariate, Time-Series / 63000000 Instances / 12 Features

WESAD (Wearable Stress and Affect Detection) contains data of 15 subjects during a stress-affect lab study, while wearing physiological and motion sensors.

WESAD (Wearable Stress and Affect Detection)には、生理学的センサーとモーションセンサーを装着した状態でのストレス影響ラボ研究中の15人の被験者のデータが含まれています。

Classification, Regression / Multivariate, Time-Series / 1200 Instances / 15 Features

This dataset includes important attributes of the garment manufacturing process and the productivity of the employees which had been collected manually and also been validated by the industry experts.

このデータセットには、手作業で収集され、業界の専門家によって検証された衣料品製造プロセスの重要な属性と従業員の生産性が含まれています。

Classification, Regression / Multivariate, Time-Series / 58 Instances / 120430 Features

The data set contains 58 time series acquired from 16 chemical sensors under gas flow modulation conditions. The sensors were exposed to different gaseous binary mixtures of acetone and ethanol.

データセットには、ガス流量変調条件下で16個の化学センサから取得された58個の時系列が含まれています。センサーは、アセトンとエタノールの異なるガス状のバイナリ混合物にさらされました。

Classification, Regression / Multivariate, Time-Series / 4179999 Instances / 19 Features

The data set contains the recordings of 16 chemical sensors exposed to two dynamic gas mixtures at varying concentrations. For each mixture, signals were acquired continuously during 12 hours.

データセットには、濃度の異なる2つの動的なガス混合物に曝露された16個の化学センサの記録が含まれています。各混合物について、信号は12時間の間連続的に取得されました。

Classification, Regression / Multivariate, Time-Series / 4099999 Instances / 20 Features

A chemical detection platform composed of 14 temperature-modulated metal oxide (MOX) gas sensors was exposed during 3 weeks to mixtures of carbon monoxide and humid synthetic air in a gas chamber.

14個の温度変調型金属酸化物(MOX)ガスセンサで構成された化学検出プラットフォームを、ガスチャンバー内の一酸化炭素と湿度の高い合成空気の混合物に3週間曝露した。

Classification, Regression / Multivariate, Time-Series / 180 Instances / 150000 Features

A chemical detection platform composed of 8 chemoresistive gas sensors was exposed to turbulent gas mixtures generated naturally in a wind tunnel. The acquired time series of the sensors are provided.

8つの化学抵抗性ガスセンサで構成された化学検出プラットフォームは、風洞内で自然発生する乱流ガス混合物に曝露されました。これらのセンサの取得した時系列を示す。

Classification, Regression / Multivariate, Time-Series / 9200 Instances

This database consists on 30 subjects performing Brain Computer Interface for Steady State Visual Evoked Potentials (BCI-SSVEP).

このデータベースは、Brain Computer Interface for Steady State Visual Evoked Potentials (BCI-SSVEP)を実施した30人の被験者で構成されています。

Classification, Regression / Multivariate, Time-Series / 107890 Instances / 482 Features

This dataset contains the dynamic features of 107,888 executables, collected by VirusShare from Nov/2010 to Jul/2014.

このデータセットには、2010年11月から2014年7月までにウイルスシェアが収集した107,888個の実行ファイルの動的特徴が含まれています。

Classification, Regression / Multivariate, Time-Series / 2210 Instances / 43680 Features

The data set addresses the condition assessment of a hydraulic test rig based on multi sensor data. Four fault types are superimposed with several severity grades impeding selective quantification.

このデータセットは、複数のセンサデータに基づいた油圧試験装置の状態評価に対応しています。4つの断層タイプが重畳されており、いくつかの深刻度等級が選択的な定量化を妨げています。

Classification, Regression / Multivariate, Time-Series / 135 Instances / 18 Features

The database was created with records of behavior of the urban traffic of the city of Sao Paulo in Brazil.

このデータベースは、ブラジルのサンパウロ市の都市交通の行動記録を用いて作成されました。

Classification, Regression / Multivariate, Time-Series / 135 Instances / 18 Features

The database was created with records of behavior of the urban traffic of the city of Sao Paulo in Brazil.

このデータベースは、ブラジルのサンパウロ市の都市交通の行動の記録を使用して作成されました。

Classification, Regression / Multivariate, Time-Series / 14060000 Instances / 15 Features

Accelerometer and transdermal alcohol content data from a college bar crawl. Used to predict heavy drinking episodes via mobile data.

飲酒の多さを検出します。大学のバークロールからの加速度計と経皮吸収型アルコール含有量データ。モバイルデータを介した大量飲酒エピソードの予測に使用。

Multivariate, Time-Series, Domain-Theory

Classification, Regression / Multivariate, Time-Series, Domain-Theory / 640 Instances / 480000 Features

5 replicates of an 8-MOX gas sensor array were exposed to different gas conditions (4 volatiles at 10 concentration levels each).

8-MOXガスセンサーアレイの5つのレプリケートを異なるガス条件に曝露した（4つの揮発性物質をそれぞれ10の濃度レベルで曝露した）。

Multivariate, Univariate, Time-Series

Classification, Regression / Multivariate, Univariate, Time-Series / 536 Instances / 8 Features

Data sets includes returns of Istanbul Stock Exchange with seven other international index; SP, DAX, FTSE, NIKKEI, BOVESPA, MSCE_EU, MSCI_EM from Jun 5, 2009 to Feb 22, 2011.

データセットは、2009年6月5日から2011年2月22日までのイスタンブール証券取引所のリターンと他の7つの国際指標（SP、DAX、FTSE、NIKKEI、BOVESPA、MSCE_EU、MSCI_EM）を含む。

Sequential

Classification, Regression / Sequential / 158720 Instances

The dataset consists of protein fragments of length nine, called 9mers, derived from 3,733 proteins selected by cullpdb [1]. All proteins have 1) resolution less than 1.6 angstrom, 2) R-factor less than 0.25, 3) sequence identity below 20%. In addition, all proteins with identity above 20% to CASP13 targets are removed. All torsion angle-pairs are in the allowed region of the Ramachandran plot (fragments containing outliers were detected by the Ramalyze function of the crystallography software PHENIX [1] and removed). The dataset has ~158,000 entries randomly split into train, test, and validation sets with a 60/20/20 split.

データセットは、cullpdb [1]によって選択された3,733個のタンパク質に由来する、9merと呼ばれる長さ9のタンパク質断片で構成されています。すべてのタンパク質は、1)分解能が1.6オングストローム未満、2) R因子が0.25未満、3)配列同一性が20%未満です。さらに、CASP13ターゲットに対して20%を超える同一性を持つすべてのタンパク質が除去されます。すべてのねじれ角ペアは、ラマチャンドラン プロットの許容領域内にあります(外れ値を含むフラグメントは、結晶解析ソフトウェアPHENIX [1]のRamalyze機能によって検出され、削除されました)。データセットには、60/20/20の分割でトレーニング、テスト、検証セットにランダムに分割された約158,000のエントリがあります。

Sequential, Time-Series

Classification, Regression / Sequential, Time-Series / 1990 Instances / 84 Features

This dataset contains several daily features of S&P 500, NASDAQ Composite, Dow Jones Industrial Average, RUSSELL 2000, and NYSE Composite from 2010 to 2017.

このデータセットには、2010年から2017年までのS&P 500、NASDAQ総合指数、ダウ・ジョーンズ工業株平均、ラッセル2000、NYSE総合指数の日次データが含まれています。

Classification, Regression / Sequential, Time-Series / 1990 Instances / 84 Features

This dataset contains several daily features of S&P 500, NASDAQ Composite, Dow Jones Industrial Average, RUSSELL 2000, and NYSE Composite from 2010 to 2017.

多様な変数を用いたCNNベースの株式市場予測.このデータセットには、2010年から2017年までのS&P500、NASDAQコンポジット、ダウ・ジョーンズ工業平均、RUSSELL 2000、NYSEコンポジットの日次特徴量が含まれています。

Tabular

Classification, Regression / Tabular / 2040 Instances / 7 Features

We modeled a simultaneous multi-round auction with BPMN models, transformed the latter to Petri nets, and used a model checker to verify whether certain outcomes of the auction are possible or not.

我々は同時多ラウンドオークションをBPMNモデルでモデル化し、後者をペトリネットに変換し、モデルチェッカーを使ってオークションの特定の結果が可能かどうかを検証した。

Tabular, Multivariate

Classification, Regression / Tabular, Multivariate / 2140 Instances / 23 Features

The AIDS Clinical Trials Group Study 175 Dataset contains healthcare statistics and categorical information about patients who have been diagnosed with AIDS. This dataset was initially published in 1996. The prediction task is to predict whether or not each patient died within a certain window of time or not.

AIDS Clinical Trials Group Study 175 Datasetには、AIDSと診断された患者に関する医療統計とカテゴリー情報が含まれています。このデータセットは1996年に発表されました。予測課題は、各患者がある時間内に死亡したか否かを予測することです。

Text

Classification, Regression / Text / 405 Instances / 10 Features

This sentiment analysis data set contains scientific paper reviews from an international conference on computing and informatics. The task is to predict the orientation or the evaluation of a review.

このセンチメント分析データセットには、コンピューティングと情報学に関する国際会議で発表された科学論文のレビューが含まれています。課題は、レビューの方向性や評価を予測することです。

Univariate, Domain-Theory

Classification, Regression / Univariate, Domain-Theory / 15 Instances / 3 Features

A container crane has the function of transporting containers from one point to another point.

コンテナクレーンは、ある地点から別の地点へコンテナを輸送する機能を持っています。

null

Classification, Regression / null / 504 Instances / 20 Features

This dataset includes quantitative and categorical features from online reviews from 21 hotels located in Las Vegas Strip, extracted from TripAdvisor (http://www.tripadvisor.com).

このデータセットには、TripAdvisor（http://www.tripadvisor.com）から抽出した、ラスベガス・ストリップにある21軒のホテルのオンラインレビューから得られた定量的およびカテゴリー的な特徴が含まれています。

Classification, Regression, Causal-Discovery

Multivariate, Sequential, Time-Series

Classification, Regression, Causal-Discovery / Multivariate, Sequential, Time-Series / 4760 Instances / 14 Features

This data-set contains a number of pedestrian tracks recorded from a vehicle driving in a town in southern Germany. The data is particularly well-suited for multi-agent motion prediction tasks.

このデータセットには、ドイツ南部の町を走行する自動車から記録された歩行者の足跡が多数含まれています。このデータは特にマルチエージェントの動き予測タスクに適しています。

Multivariate, Time-Series

Classification, Regression, Causal-Discovery / Multivariate, Time-Series / 10000 Instances / 14 Features

The AI4I 2020 Predictive Maintenance Dataset is a synthetic dataset that reflects real predictive maintenance data encountered in industry.

AI4I 2020 Predictive Maintenance Datasetは、産業界で遭遇する実際の予測メンテナンスデータを反映した合成データセットです。

Classification, Regression, Clustering

Multivariate

Classification, Regression, Clustering / Multivariate / 127 Instances / 42 Features

This is a collection of 8 files containing the match statistics for both women and men at the four major tennis tournaments of the year 2013. Each file has 42 columns and a minimum of 76 rows.

これは、2013年の4大テニストーナメントの女子と男子の試合統計を含む8つのファイルのコレクションです。各ファイルは42列、最小76行で構成されています。

Classification, Regression, Clustering / Multivariate / 45780 Instances / 5 Features

This data can be effectively produced the result to fewer parameter of the Load profile can be reduced in the Database

このデータは、効果的にデータベース内の負荷プロファイルの少ないパラメータに結果を生成することができます。

Classification, Regression, Clustering / Multivariate / 1000 Instances / 21 Features

700 good and 300 bad credits with 20 predictor variables. Data from 1973 to 1975. Stratified sample from actual credits with bad credits heavily oversampled. A cost matrix can be used.

700の優良債権と300の不良債権、20の予測変数。1973年から1975年のデータ。不良債権を大幅にオーバーサンプリングした実際の債権からの層別サンプル。コスト行列が使用可能。

Classification, Regression, Clustering / Multivariate / 1000 Instances / 21 Features

700 good and 300 bad credits with 20 predictor variables. Data from 1973 to 1975. Stratified sample from actual credits with bad credits heavily oversampled. A cost matrix can be used.

良い債権700件、悪い債権300件を20個の予測変数を持つ。1973年から1975年までのデータ。実際のクレジットから層別化したサンプルで、不良クレジットが大きくオーバーサンプリングされています。コスト行列が使用できます。

Classification, Regression, Clustering / Multivariate / 77 Instances / 7 Features

Handwriting database consists of 62 PWP(People with Parkinson) and 15 healthy individuals. Three types of recordings (Static Spiral Test, Dynamic Spiral Test and Stability Test) are taken.

手書きデータベースは、62名のPWP(People with Parkinson)と15名の健常者から構成されています。3種類の記録(Static Spiral Test, Dynamic Spiral Test, Stability Test)を取得しました。

Classification, Regression, Clustering / Multivariate / 77 Instances / 7 Features

Handwriting database consists of 62 PWP(People with Parkinson) and 15 healthy individuals. Three types of recordings (Static Spiral Test, Dynamic Spiral Test and Stability Test) are taken.

手書きデータベースは、PWP(パーキンソン病患者)62名と健常者15名で構成されています。3種類の録音(静的スパイラル試験、動的スパイラル試験、安定性試験)が行われます。

Classification, Regression, Clustering / Multivariate / 40 Instances / 7 Features

Handwriting database consists of 25 PWP(People with Parkinson) and 15 healthy individuals.Three types of recordings (Static Spiral Test, Dynamic Spiral Test and Stability Test) are taken.

手書きデータベースは、PWP(パーキンソン病患者)25名と健常者15名で構成されています。3種類の録音(静的スパイラル試験、動的スパイラル試験、安定性試験)が行われます。

Classification, Regression, Clustering / Multivariate / 40 Instances / 7 Features

Handwriting database consists of 25 PWP(People with Parkinson) and 15 healthy individuals.Three types of recordings (Static Spiral Test, Dynamic Spiral Test and Stability Test) are taken.

筆跡データベースは、25人のパーキンソン病患者（PWP）と15人の健常者から構成されています。3種類の記録（静的スパイラルテスト、動的スパイラルテスト、安定性テスト）がとられています。

Classification, Regression, Clustering / Multivariate / 299 Instances / 12 Features

This dataset contains the medical records of 299 patients who had heart failure, collected during their follow-up period, where each patient profile has 13 clinical features.

このデータセットには、追跡期間中に収集された心不全の299人の患者の医療記録が含まれており、各患者プロファイルには13の臨床的特徴があります。

Classification, Regression, Clustering / Multivariate / 606 Instances / 6400 Features

The DrivFace contains images sequences of subjects while driving in real scenarios. It is composed of 606 samples of 640×480, acquired over different days from 4 drivers with several facial features.

DrivFaceは、被験者が実際に運転しているときの画像シーケンスを収録しています。これは、複数の顔の特徴を持つ4人のドライバーから異なる日に取得した640×480の606枚のサンプルで構成されています。

Classification, Regression, Clustering / Multivariate / 10000 Instances / 21 Features

This is a dataset of classified for apartments for rent in USA.

これは、アメリカの賃貸アパートのために分類されたデータセットです。

Classification, Regression, Clustering / Multivariate / 125 Instances / 8 Features

Five different QCM gas sensors are used, and five different gas measurements (1-octanol, 1-propanol, 2-butanol, 2-propanol and 1-isobutanol) are conducted in each of these sensors.

5種類のQCMガスセンサーを使用し、それぞれに5種類のガス測定（1-オクタノール、1-プロパノール、2-ブタノール、2-プロパノール、1-イソブタノール）を行っています。

Multivariate, Sequential

Classification, Regression, Clustering / Multivariate, Sequential / 165470 Instances / 14 Features

The dataset contains information on clickstream from online store offering clothing for pregnant women.

データセットには、妊婦向けの衣料品を提供するオンラインストアのクリックストリームの情報が含まれています。

Multivariate, Sequential, Time-Series

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series / 40000 Instances / 13 Features

The UJIIndoorLoc-Mag is an indoor localization database to test Indoor Positioning System that rely on Earth’s magnetic field variations.

UJIIndoorLoc-Magは、地球の磁場変動に依存した屋内測位システムをテストするための屋内測位データベースです。

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series

Open University Learning Analytics Dataset contains data about courses, students and their interactions with Virtual Learning Environment for seven selected courses and more than 30000 students.

Open University Learning Analytics Datasetには、選択された7つのコースと30000人以上の学生のコース、学生、仮想学習環境との相互作用に関するデータが含まれています。

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series / 153540 Instances / 25 Features

A multisource and multivariate dataset for indoor localisation methods based on WLAN and Geo-Magnetic field fingerprinting

WLANとGeo-Magnetic「フィールド」のインダストリアル印刷に基づく屋内ローカライゼーション手法のためのマルチソースおよび多変量データセット

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series / 153540 Instances / 25 Features

A multisource and multivariate dataset for indoor localisation methods based on WLAN and Geo-Magnetic field fingerprinting

WLANと地磁気を利用した屋内定位法のための多ソース・多変量データセット

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series / 230320 Instances / 13 Features

Educational Process Mining data set is built from the recordings of 115 subjects’ activities through a logging application while learning with an educational simulator.

学習アナリティクスのデータセットです。教育プロセスマイニングデータセットは、教育シミュレータで学習中にロギングアプリケーションを介して115人の被験者の活動を記録したものから構築されています。

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series / 230320 Instances / 13 Features

Educational Process Mining data set is built from the recordings of 115 subjects’ activities through a logging application while learning with an educational simulator.

教育用プロセスマイニングデータセットは、教育用シミュレータで学習しながら、ロギングアプリケーションを通じて115人の被験者の活動を記録して構築されています。

Multivariate, Sequential, Time-Series, Text

Classification, Regression, Clustering / Multivariate, Sequential, Time-Series, Text / 1070000 Instances / 541910 Features

A real online retail transaction data set of two years.

2年間の実在するオンライン小売の取引データセット。

Multivariate, Text

Classification, Regression, Clustering / Multivariate, Text / 4140 Instances

The dataset provides patient reviews on specific drugs along with related conditions. Reviews and ratings are grouped into reports on the three aspects benefits, side effects and overall comment.

このデータセットは、特定の医薬品に関する患者レビューを、関連する条件とともに提供しています。レビューと評価は、利点、副作用、総合的なコメントの3つの側面についてのレポートにグループ化されています。

Multivariate, Time-Series

Classification, Regression, Clustering / Multivariate, Time-Series / 90 Instances

This dataset contains 6 gas responses collected by a sensor array consisting of 10 metal oxide semiconductor sensors, with gas concentrations at the ppb level (below the minimum detection limit of the sensors)

このデータセットには、10個の金属酸化物半導体センサーで構成されるセンサーアレイによって収集された6つのガス応答が含まれており、ガス濃度はppbレベル(センサーの最小検出限界未満)です

Multivariate, Time-Series, Spatiotemporal

Classification, Regression, Clustering / Multivariate, Time-Series, Spatiotemporal / 14260000 Instances / 4 Features

Seven days of geo-tagged Tweet data from the United States with exact GPS location and timestamp.

7日間分のジオタグ付きツイートデータ(正確なGPS位置情報とタイムスタンプ付き)。

Multivariate, Univariate, Sequential, Time-Series

Classification, Regression, Clustering / Multivariate, Univariate, Sequential, Time-Series / 35720 Instances / 4 Features

Data collected from car parks in Birmingham that are operated by NCP from Birmingham City Council. UK Open Government Licence (OGL).https://data.birmingham.gov.uk/dataset/birmingham-parking

バーミンガム市議会からNCPが運営するバーミンガム市内の駐車場から収集したデータ。UK Open Government Licence (OGL) https://data.birmingham.gov.uk/dataset/birmingham-parking。

Multivariate, Univariate, Text

Classification, Regression, Clustering / Multivariate, Univariate, Text / 53410 Instances / 24 Features

KEGG Metabolic pathways modeled as directed relation network. Variety of graphical features presented.

KEGG代謝経路を有向関係ネットワークとしてモデル化したもの。様々な特徴をグラフィカルに表示することができます。

Classification, Regression, Clustering / Multivariate, Univariate, Text / 65550 Instances / 29 Features

KEGG Metabolic pathways modeled as un-directed reaction network. Variety of graphical features presented.

KEGG代謝経路を無指向反応ネットワークとしてモデル化したもの。様々な特徴をグラフィカルに表現しています。

Sequential, Multivariate, Time-Series

Classification, Regression, Clustering / Sequential, Multivariate, Time-Series / 181800 Instances / 7 Features

Bilateral (left, right) joint angle (ankle, knee, hip) times series data collected from 10 healthy subjects under 3 walking conditions (unbraced, knee braced, ankle braced). For each condition, each subject’s data consists of 10 consecutive gait cycles.

10人の健康な被験者から、3つの歩行条件（装具なし、膝装具あり、足首装具あり）で収集した、両側（左、右）の関節角度（足首、膝、股関節）の時系列データ。各条件において、各被験者のデータは連続した10回の歩行サイクルから構成されます。

Tabular

Classification, Regression, Clustering / Tabular / 9550 Instances / 8 Features

MathE is a mathematical platform developed under the MathE project (mathe.pixel-online.org). The dataset has 9546 answers to questions in the Mathematical topics taught in higher education. The file has eight features, named: Student ID, Student Country, Question ID, Type of answer (correct or incorrect), Question level (basic or advanced), Math Topic, Math Subtopic, and Question Keywords. The question level was associated with the professor who submitted the question. The data was obtained from February 2019 until December 2023.

MathEはMathEプロジェクト(mathe.pixel-online.org)の下で開発された数学プラットフォームです。このデータセットには、高等教育で習う数学のトピックの問題に対する9546の解答が含まれています。このファイルには8つの特徴があります： 学生ID、学生の国、問題ID、解答のタイプ（正解または不正解）、問題レベル（基礎または応用）、数学トピック、数学サブトピック、問題キーワードです。問題レベルは問題を提出した教授に関連付けられています。データは2019年2月から2023年12月まで取得しました。

Classification, Regression, Clustering / Tabular / 9550 Instances / 8 Features

MathE is a mathematical platform developed under the MathE project (mathe.pixel-online.org). The dataset has 9546 answers to questions in the Mathematical topics taught in higher education. The file has eight features, named: Student ID, Student Country, Question ID, Type of answer (correct or incorrect), Question level (basic or advanced), Math Topic, Math Subtopic, and Question Keywords. The question level was associated with the professor who submitted the question. The data was obtained from February 2019 until December 2023.

MathEは、MathEプロジェクト（mathe.pixel-online.org)の下で開発された数学プラットフォームです。データセットには、高等教育で教えられる数学のトピックの質問に対する9546の回答が含まれています。このファイルには、学生ID、学生の国、質問ID、解答の種類(正解または不正解)、質問レベル(基本または上級)、数学トピック、数学サブトピック、質問キーワードの8つの機能があります。質問レベルは、質問を提出した教授に関連付けられていました。データは2019年2月から2023年12月まで取得されました。

Tabular, Sequential, Multivariate

Classification, Regression, Clustering / Tabular, Sequential, Multivariate / 123120 Instances / 84 Features

The RT-IoT2022, a proprietary dataset derived from a real-time IoT infrastructure, is introduced as a comprehensive resource integrating a diverse range of IoT devices and sophisticated network attack methodologies. This dataset encompasses both normal and adversarial network behaviours, providing a general representation of real-world scenarios.Incorporating data from IoT devices such as ThingSpeak-LED, Wipro-Bulb, and MQTT-Temp, as well as simulated attack scenarios involving Brute-Force SSH attacks, DDoS attacks using Hping and Slowloris, and Nmap patterns, RT-IoT2022 offers a detailed perspective on the complex nature of network traffic. The bidirectional attributes of network traffic are meticulously captured using the Zeek network monitoring tool and the Flowmeter plugin. Researchers can leverage the RT-IoT2022 dataset to advance the capabilities of Intrusion Detection Systems (IDS), fostering the development of robust and adaptive security solutions for real-time IoT networks.

RT-IoT2022は、リアルタイムIoTインフラから得られた独自のデータセットであり、多様なIoTデバイスと洗練されたネットワーク攻撃手法を統合した包括的なリソースとして導入されています。このデータセットには、正常なネットワーク動作と敵対的なネットワーク動作の両方が含まれており、実世界のシナリオを一般的に表現しています。ThingSpeak-LED、Wipro-Bulb、MQTT-TempなどのIoTデバイスからのデータと、ブルートフォースSSH攻撃、HpingとSlowlorisを使用したDDoS攻撃、Nmapパターンを含むシミュレートされた攻撃シナリオを組み込んだRT-IoT2022は、ネットワーク・トラフィックの複雑な性質に関する詳細な視点を提供します。ネットワーク・トラフィックの双方向属性は、Zeekネットワーク・モニタリング・ツールとFlowmeterプラグインを使用して詳細にキャプチャされます。研究者はRT-IoT2022データセットを活用して侵入検知システム（IDS）の機能を向上させ、リアルタイムIoTネットワーク向けの堅牢で適応性の高いセキュリティ・ソリューションの開発を促進することができます。

Text

Classification, Regression, Clustering / Text / 1630 Instances / 37 Features

This dataset contains data on crowdfunding campaigns in Turkey. The dataset includes various characteristics such as crowdfunding projects, project descriptions, targeted and raised funds, campaign durations, and number of backers. Collected in 2022, this dataset provides a valuable resource for researchers who want to understand and analyze the crowdfunding ecosystem in Turkey. In total, there are data from more than 1500 projects on 6 different platforms. The dataset is particularly useful for training natural language processing (NLP) and machine learning models. This dataset is an important reference point for studies on the characteristics of successful crowdfunding campaigns and provides comprehensive information for entrepreneurs, investors and researchers in Turkey.

このデータセットには、トルコのクラウドファンディングキャンペーンに関するデータが含まれています。データセットには、クラウドファンディングプロジェクト、プロジェクトの説明、ターゲットを絞った資金と調達した資金、キャンペーン期間、支援者の数など、さまざまな特性が含まれています。2022年に収集されたこのデータセットは、トルコのクラウドファンディングエコシステムを理解し分析したい研究者にとって貴重なリソースを提供します。合計で、6つの異なるプラットフォーム上の1500以上のプロジェクトからのデータがあります。このデータセットは、自然言語処理(NLP)モデルや機械学習モデルのトレーニングに特に役立ちます。このデータセットは、成功したクラウドファンディング キャンペーンの特性に関する研究の重要な参照ポイントであり、トルコの起業家、投資家、研究者に包括的な情報を提供します。

Classification, Regression, Clustering / Text / 8010000 Instances

We started by extracting all Reddit post urls from the Reddit submissions dataset. These links were deduplicated, filtered to exclude non-html content, and then shuffled randomly. The links were then distributed to several machines in parallel for download, and all web pages were extracted using the newspaper python package. Using Facebook FastText, non-English web pages were filtered out.Subsequently, near-duplicate documents were identified using local-sensitivity hashing (LSH). Documents were hashed into sets of 5-grams and all documents that had a similarity threshold of greater than 0.5 were removed. The remaining documents were tokenized, and documents with fewer than 128 tokens were removed. This left 38GB of text data (40GB using SI units) from 8,013,769 documents.

まず、Reddit投稿データセットからすべてのReddit投稿のURLを抽出することから始めた。これらのリンクは重複排除され、非htmlコンテンツを除外するためにフィルタリングされた後、ランダムにシャッフルされました。その後、リンクを複数のマシンに並列に分散してダウンロードし、すべてのウェブページをnewspaper pythonパッケージを使って抽出した。Facebook FastTextを使い、英語以外のウェブページをフィルタリングした。その後、ローカルセンシティビティハッシュ（LSH）を用いて、重複に近い文書を特定した。文書は5-gramの集合にハッシュ化され、類似度の閾値が0.5を超える文書はすべて削除されました。残りの文書はトークン化され、128トークン未満の文書は削除されました。これで8,013,769文書から38GB（SI単位では40GB）のテキストデータが残った。

Classification, Regression, Clustering, Causa

Multivariate, Time-Series

Classification, Regression, Clustering, Causa / Multivariate, Time-Series / 13910 Instances

This archive contains 13910 measurements from 16 chemical sensors exposed to 6 different gases at various concentration levels.

このアーカイブには、様々な濃度レベルの6種類のガスに曝露された16個の化学センサから得られた13910個の測定値が含まれています。

Classification, Regression, Clustering, Other

Multivariate, Time-Series

Classification, Regression, Clustering, Other / Multivariate, Time-Series / 7410 Instances / 21 Features

The UR3 CobotOps Dataset is an essential collection of multi-dimensional time-series data from the UR3 cobot, offering insights into operational parameters and faults for machine learning in robotics and automation. It features electrical currents, temperatures, speeds across joints (J0-J5), gripper current, operation cycle count, protective stops, and grip losses, collected via MODBUS and RTDE protocols. This dataset supports research in fault detection, predictive maintenance, and operational optimization, providing a detailed operational snapshot of a leading cobot model for industrial applications

UR3 CobotOpsデータセットは、UR3コボットからの多次元時系列データの重要なコレクションであり、ロボット工学とオートメーションにおける機械学習のための操作パラメータと故障に関する洞察を提供します。MODBUSおよびRTDEプロトコルを介して収集された電流、温度、関節（J0-J5）間の速度、グリッパー電流、動作サイクル数、保護停止、グリップロスを備えています。このデータセットは、故障検出、予知保全、運用最適化の研究をサポートし、産業用アプリケーションの主要なコボットモデルの詳細な運用スナップショットを提供します。

Sequential

Classification, Regression, Clustering, Other / Sequential / 21460 Instances / 9 Features

We present a dataset of 21459 shell commands from 275 participants who attended cybersecurity training and solved assignments in the Linux terminal. Each acquired data record contains a command with its arguments and metadata, such as a timestamp, working directory, and host identification in the emulated training infrastructure. The commands were captured in Bash, ZSH, and Metasploit shells. The data are stored as JSON records collected using an open-source logging toolset and two open-source interactive learning environments. Researchers and developers may freely use the dataset or deploy the learning environments with the logging toolset to generate their own data in the same format.

我々は、サイバーセキュリティ研修に参加し、Linux端末で課題を解いた275人の参加者から得られた21459のシェルコマンドのデータセットを提示します。取得された各データレコードには、コマンドとその引数、およびタイムスタンプ、作業ディレクトリ、エミュレートされたトレーニングインフラ内のホスト識別などのメタデータが含まれています。コマンドは、Bash、ZSH、およびMetasploitシェルでキャプチャされました。データは、オープンソースのロギング・ツールセットと2つのオープンソースの対話型学習環境を使用して収集されたJSONレコードとして保存されています。研究者や開発者は、データセットを自由に使用したり、ロギング・ツールセットと学習環境をデプロイして、同じフォーマットで独自のデータを生成することができます。

Classification, Regression, Clustering, Other / Sequential / 21460 Instances / 9 Features

We present a dataset of 21459 shell commands from 275 participants who attended cybersecurity training and solved assignments in the Linux terminal. Each acquired data record contains a command with its arguments and metadata, such as a timestamp, working directory, and host identification in the emulated training infrastructure. The commands were captured in Bash, ZSH, and Metasploit shells. The data are stored as JSON records collected using an open-source logging toolset and two open-source interactive learning environments. Researchers and developers may freely use the dataset or deploy the learning environments with the logging toolset to generate their own data in the same format.

サイバーセキュリティトレーニングに参加し、Linuxターミナルで課題を解決した275人の参加者からの21459のシェルコマンドのデータセットを紹介します。取得した各データレコードには、コマンドとその引数とメタデータ(タイムスタンプ、作業ディレクトリ、エミュレートされたトレーニングインフラストラクチャ内のホストIDなど)が含まれています。コマンドは、Bash、ZSH、およびMetasploitシェルでキャプチャされました。データは、オープンソースのロギングツールセットと2つのオープンソースの対話型学習環境を使用して収集されたJSONレコードとして保存されます。研究者や開発者は、データセットを自由に使用したり、ロギングツールセットを使用して学習環境をデプロイしたりして、同じ形式で独自のデータを生成できます。

Tabular

Classification, Regression, Clustering, Other / Tabular / 320 Instances / 11 Features

Soybean cultivation is one of the most important because it is used in several segments of the food industry. The evaluation of soybean cultivars subject to different planting and harvesting characteristics is an ongoing field of research. We present a dataset obtained from forty soybean cultivars planted in subsequent seasons. The experiment used randomized blocks, arranged in a split-plot scheme, with four replications. The following variables were collected: plant height, insertion of the first pod, number of stems, number of legumes per plant, number of grains per pod, thousand seed weight, and grain yield, resulting in 320 data samples. The dataset presented can be used by researchers from different fields of activity.

大豆栽培は、食品産業のいくつかの分野で使用されるため、最も重要なものの1つです。さまざまな植え付け特性や収穫特性に応じた大豆品種の評価は、現在進行中の研究分野です。我々は、その後の季節に作付けされた40品種の大豆から得られたデータセットを提示します。実験には無作為化ブロックを用い、4反復の分割プロット方式で配置しました。以下の変数を収集しました：草丈、最初のさやの挿入、茎数、1株あたりのマメ数、さやあたりの粒数、千粒重、穀物収量。このデータセットは、さまざまな分野の研究者が利用できます。

Tabular, Sequential, Multivariate, Time-Series

Classification, Regression, Clustering, Other / Tabular, Sequential, Multivariate, Time-Series / 83470 Instances

This first release of MOVER includes adult patients who underwent surgery at the University of California Irvine Medical Center from 2015 to 2022. Data for patients who underwent surgery were captured from two different sources: High-fidelity physiological waveforms from all of the operating rooms were captured in real time and matched with Electronic Medical Record Data. MOVER includes data from 58,799 unique patients and 83,468 surgeries. The dataset is freely available to all researchers who sign a data usage agreement.

このMOVERの最初のリリースには、2015年から2022年までにカリフォルニア大学アーバイン医療センターで手術を受けた成人患者が含まれています。手術を受けた患者のデータは2つの異なるソースから取得されました： すべての手術室から高忠実度の生理学的波形をリアルタイムで取得し、電子カルテデータと照合しました。MOVERには、58,799人のユニークな患者と83,468件の手術のデータが含まれています。このデータセットは、データ利用契約に署名したすべての研究者が自由に利用できます。

Classification, Regression, Clustering, Other / Tabular, Sequential, Multivariate, Time-Series / 83470 Instances

This first release of MOVER includes adult patients who underwent surgery at the University of California Irvine Medical Center from 2015 to 2022. Data for patients who underwent surgery were captured from two different sources: High-fidelity physiological waveforms from all of the operating rooms were captured in real time and matched with Electronic Medical Record Data. MOVER includes data from 58,799 unique patients and 83,468 surgeries. The dataset is freely available to all researchers who sign a data usage agreement.

このMOVERの最初のリリースには、2015年から2022年にかけてカリフォルニア大学アーバインメディカルセンターで手術を受けた成人患者が含まれています。手術を受けた患者のデータは、2つの異なるソースから取得されました:すべての手術室からの忠実度の高い生理学的波形がリアルタイムで取得され、電子カルテデータと照合されました。MOVERには、58,799人のユニークな患者と83,468件の手術からのデータが含まれています。データセットは、データ使用契約に署名したすべての研究者が無料で利用できます。

Classification, Regression, Other

Tabular, Multivariate

Classification, Regression, Other / Tabular, Multivariate / 9110 Instances / 42 Features

This dataset comprises 9105 individual critically ill patients across 5 United States medical centers, accessioned throughout 1989-1991 and 1992-1994.Each row concerns hospitalized patient records who met the inclusion and exclusion criteria for nine disease categories: acute respiratory failure, chronic obstructive pulmonary disease, congestive heart failure, liver disease, coma, colon cancer, lung cancer, multiple organ system failure with malignancy, and multiple organ system failure with sepsis. The goal is to determine these patients’ 2- and 6-month survival rates based on several physiologic, demographics, and disease severity information. It is an important problem because it addresses the growing national concern over patients’ loss of control near the end of life. It enables earlier decisions and planning to reduce the frequency of a mechanical, painful, and prolonged dying process.

このデータセットは、1989年から1991年、1992年から1994年にかけて収集された、米国の5つの医療センターにおける9105人の重症患者からなります。それぞれの行は、急性呼吸不全、慢性閉塞性肺疾患、うっ血性心不全、肝疾患、昏睡、結腸癌、肺癌、悪性腫瘍を伴う多臓器不全、敗血症を伴う多臓器不全という9つの疾患分類の包含基準および除外基準を満たした入院患者記録に関するものです。目標は、いくつかの生理学的、人口統計学的、および疾患の重症度情報に基づいて、これらの患者の2ヵ月および6ヵ月の生存率を決定することです。この研究は、終末期間近に患者がコントロール不能に陥ることに対する国民的な関心の高まりに対応するものであり、重要な問題です。これにより、機械的で苦痛に満ちた、長引く臨終の頻度を減らすための、より早い決断と計画が可能になります。

Clustering

Multivariate

Clustering / Multivariate / 527 Instances

Multiple classes predict plant state

複数のクラスが植物の状態を予測

Clustering / Multivariate / 18 Instances / 9 Features

Data collection was conducted through notes taken during the distribution of orders in a courier company that operates in the region and in the city of São Paulo (Brazil).

データ収集は、地域とサンパウロ市（ブラジル）で事業を展開している宅配会社での注文の配布中に撮影されたメモを通して行われました。

Clustering / Multivariate / 2460000 Instances / 68 Features

The USCensus1990raw data set contains a one percent sample of the Public Use Microdata Samples (PUMS) person records drawn from the full 1990 census sample.

USCensus1990rawデータセットには、1990年の国勢調査の全サンプルから抽出された公共利用マイクロデータサンプル（Public Use Microdata Samples: PUMS）の人物記録の1%のサンプルが含まれています。

Clustering / Multivariate / 2280 Instances / 9 Features

The dataset is provided by the “Trialto Latvia LTD”, the third-party logistics operator. Each observation stands for a distinct type of item for sale.

データセットは、「Trialto Latvia LTD」（第三者物流業者）によって提供されています。各オブザベーションは、販売品目の異なるタイプを表しています。

Clustering / Multivariate / 2280 Instances / 9 Features

The dataset is provided by the “Trialto Latvia LTD”, the third-party logistics operator. Each observation stands for a distinct type of item for sale.

データセットは、「Trialto Latvia LTD」（第三者物流業者）によって提供されています。各オブザベーションは、販売品目の異なるタイプを表しています。

Clustering / Multivariate / 76 Instances / 45 Features

Data on sponges; Attributes in spanish

海綿に関するデータ;スペイン語の属性

Clustering / Multivariate / 130000 Instances / 21000 Features

The dataset contains 7 datasets of User – Item matrices, where each entry represents how many times a user consumed an item. Item is used as an umbrella term for various categories.

データセットには7つのUser – Item行列が含まれており、各項目はユーザーがある項目を何回消費したかを表しています。アイテムは、様々なカテゴリの包括的な用語として使用されます。

Clustering / Multivariate / 34780 Instances / 70 Features

Data has been extracted from the USDA plants database. It contains all plants (species and genera) in the database and the states of USA and Canada where they occur.

データはUSDAの植物データベースから抽出されています。このデータベースには、データベース内のすべての植物（種と属）と、それらが発生するアメリカとカナダの州が含まれています。

Clustering / Multivariate / 7050 Instances / 12 Features

Facebook pages of 10 Thai fashion and cosmetics retail sellers. Posts of a different nature (video, photos, statuses, and links). Engagement metrics consist of comments, shares, and reactions.

タイのファッションと化粧品の小売店10社のフェイスブックページ。異なる性質の投稿（動画、写真、ステータス、リンク）。エンゲージメント指標は、コメント、シェア、リアクションで構成されています。

Clustering / Multivariate / 399 Instances / 6 Features

This data set compromises the metadata for the 2014 AAAI conference’s accepted papers, including paper titles, authors, abstracts, and keywords of varying granularity.

このデータセットは、2014年のAAAI会議で採択された論文（論文タイトル、著者、抄録、粒度の異なるキーワードを含む）のメタデータに影響を与えます。

Clustering / Multivariate / 150 Instances / 5 Features

This data set compromises the metadata for the 2013 AAAI conference’s accepted papers (main track only), including paper titles, abstracts, and keywords of varying granularity.

このデータセットは、2013年のAAAI会議で採択された論文（メイントラックのみ）のメタデータ（論文タイトル、著者名、抄録、粒度の異なるキーワードを含む）を妥協したものです。

Multivariate, Sequential, Text

Clustering / Multivariate, Sequential, Text / 10420 Instances / 7 Features

NYSK (New York v. Strauss-Kahn) is a collection of English news articles about the case relating to allegations of sexual assault against the former IMF director Dominique Strauss-Kahn (May 2011).

NYSK (New York v. Strauss-Kahn)は、ドミニク・ストラウス＝カーン元IMF理事に対する性的暴行疑惑に関する事件（2011年5月）についての英語ニュース記事を集めたものです。

Multivariate, Text

Clustering / Multivariate, Text / 180 Instances / 500 Features

This dataset was collected by Shan-Hung Wu and DataLab members at NTHU, Taiwan. There’re 325 user-perceived clusters from 100 users and their corresponding descriptions.

このデータセットは、台湾のNTHUのShan-Hung WuとDataLabのメンバーによって収集されました。100人のユーザーの中から325人のユーザーが感知したクラスタと、それに対応する説明があります。

Multivariate, Time-Series

Clustering / Multivariate, Time-Series / 811 Instances

Contains weekly purchased quantities of 800 over products over 52 weeks. Normalised values are provided too.

52週間の製品を対象とした800の週間購入量が含まれています。正規化された値も提供されています。

Sequential, Text

Clustering / Sequential, Text / 10000 Instances / 5 Features

This set Provides data regarding wireless communications between vehicles and road side units. two separate data sets are provided (normal scenario) and in the presence of attacker (jammer).

車両と路側機との無線通信に関するデータを提供します。2つの別々のデータ セットが提供され(通常のシナリオ)、攻撃者が存在する場合(ジャマー)があります。

Text

Clustering / Text / 11460 Instances / 5810 Features

This data set contains the distribution of words in the full text of the NIPS conference papers published from 1987 to 2015.

このデータセットには、1987年から2015年までに出版されたNIPSの会議論文の全文に含まれる単語の分布が含まれています。

Clustering / Text / 58000 Instances / 25000 Features

The data was collected in 2015 using Twitter API. This dataset contains health news from more than 15 major health news agencies such as BBC, CNN, and NYT.

データは2015年にTwitter APIを使用して収集されました。このデータセットには、BBC、CNN、NYTなど15以上の主要な健康ニュース機関の健康ニュースが含まれています。

Clustering / Text / 8000000 Instances / 100000 Features

This data set contains five text collections in the form of bags-of-words.

このデータセットには、5つのテキストコレクションをバッグ・オブ・ワード形式で収録しています。

Univariate

Clustering / Univariate / 360180 Instances / 2 Features

Coordinates (longitude and latitude) of 360177 road accidents occurred in urban areas in Great Britain, and labelled according to the urban center where they occurred (469 possible labels).

イギリスの都市部で発生した交通事故360177件の座標（経度と緯度）を、発生した都市部の中心部に応じてラベル付けした（469通りのラベルが考えられる）。

Clustering / Univariate / 360180 Instances / 2 Features

Coordinates (longitude and latitude) of 360177 road accidents occurred in urban areas in Great Britain, and labelled according to the urban center where they occurred (469 possible labels).

英国の都市部で発生した360177交通事故の座標(経度と緯度)で、発生した都市中心部に応じてラベル付けされています(469の可能なラベル)。

Clustering, Causal-Discovery

Multivariate, Sequential, Time-Series, Domain-Theo

Clustering, Causal-Discovery / Multivariate, Sequential, Time-Series, Domain-Theo / 1710000 Instances / 9 Features

An accurate dataset describing trajectories performed by all the 442 taxis running in the city of Porto, in Portugal.

ポルトガルのポルト市内を走るタクシー442台すべての軌跡を記述した正確なデータセット。

Clustering, Other

Sequential, Text, Other

Clustering, Other / Sequential, Text, Other / 1000000 Instances

This dataset contains 22 disjoint graphs where the edges are collectedover several consecutive hours, across different days, reflectingcommunications (TCP and UDP) of various distributed applications indifferent enterprises, useful for developing graph algorithms, datamining and discovery of function and structure, unsupervised andpossibly supervised machine learning (including graph clustering andcommunity discovery). Ground truth grouping information is providedfor two of the graphs (grouping of the nodes, based on function orrole of the host). Please see the README file.

このデータセットには、エッジが異なる日をまたいで数時間連続して収集される22のバラバラなグラフが含まれており、さまざまな企業のさまざまな分散アプリケーションの通信(TCPおよびUDP)を反映しており、グラフアルゴリズムの開発、データマイニング、機能と構造の発見、教師なしおよび教師ありの機械学習(グラフクラスタリングとコミュニティ検出を含む)に役立ちます。グラウンド トゥルースのグループ化情報は、2つのグラフ(ホストの機能またはロールに基づくノードのグループ化)に対して提供されます。READMEファイルをご覧ください。

Time-Series

Clustering, Other / Time-Series / 1800 Instances / 237 Features

This dataset contains hierarchical sales data gathered from an Italian grocery store

このデータセットには、イタリアの食料品店から収集された階層的な販売データが含まれています。

Function-Learning

null

Function-Learning / null / 352 Instances

Cases collected mostly from investigations in physical science; intention is to evaluate function-finding algorithms

主に物理科学の研究から収集した事例が多く、関数探索アルゴリズムの評価を目的としています。

Other

Multivariate

Other / Multivariate / 17760000 Instances / 2160000 Features

KASANDR is a novel, publicly available collection for recommendation systems that records the behavior of customers of the European leader in e-Commerce advertising, Kelkoo.

KASANDRは、ヨーロッパのeコマース広告のリーダーであるKelkooの顧客の行動を記録した、レコメンデーションシステムのための新しい一般公開されたコレクションです。

Multivariate, Image

Other / Multivariate, Image / 1020 Instances

Little Documentation

ドキュメントが少ない

Other

Other / Other / 1 Instances

Various Databases: Vehicle Silhouettes, Landsat Satellite, Shuttle, Australian Credit Approval, Heart Disease, Image Segmentation, German Credit

様々なデータベース 車両のシルエット、ランドサットサテライト、シャトル、オーストラリアのクレジット承認、心臓病、画像セグメンテーション、ドイツのクレジット

Other / Other / 178080 Instances / 12 Features

The data set contains oceanographic and surface meteorological readings taken from a series of buoys positioned throughout the equatorial Pacific.

データセットには、赤道太平洋全域に配置された一連のブイから取得された海洋学的および表面気象学的測定値が含まれています。

Sequential

Other / Sequential / 3960000 Instances / 4 Features

Since there is no numerical sequential data stream available in standard data sets, this data set is generated from the original T40I10D100K data set

標準データセットには数値シーケンシャルデータストリームがないため、このデータセットはオリジナルのT40I10D100Kデータセットから生成されています。

Sequential, Text, Image

Other / Sequential, Text, Image / 111 Instances

In this work, I have developed an Offline Handwritten Text Recognition (HTR) model architecture based on Neural Networks that can be taught to recognise whole pages of handwritten Bangla (Bengali) text without image segmentation. Bengali being a resource-constrained Indic language, there is a lack of proper annotated dataset consisting scanned images of Bangla handwritten scripts. In this work, I have introduced a new dataset, `Bongabdo’, which consists of full-page handwritten scripts collected from a wide variety of contributors of various age groups, occupation and gender. Further, recently proposed State-of-the-art Image-to-Sequence architecture with different settings of hyperparameters have been applied on these images and they have been evaluated in terms of Character Error Rate (CER), Word Error Rate (WER) and Sequence Error Rate (SER) to finally come up with a comparative study.

この研究では、画像セグメンテーションなしでバングラ（ベンガル）語の手書きテキストの全ページを認識できる、ニューラルネットワークに基づくオフライン手書きテキスト認識（HTR）モデルアーキテクチャを開発しました。ベンガル語はリソースに制約のあるインド系言語であるため、バングラ手書き文字のスキャン画像からなる適切な注釈付きデータセットが不足しています。本研究では、様々な年齢層、職業、性別の投稿者から収集した全ページの手書き文字からなる新しいデータセット「Bongabdo」を紹介します。さらに、最近提案された最先端のImage-to-Sequenceアーキテクチャを、ハイパーパラメータの設定を変えながらこれらの画像に適用し、文字誤り率(CER)、単語誤り率(WER)、シーケンス誤り率(SER)の観点から評価し、最終的に比較研究を行います。

Tabular

Other / Tabular / 608 Instances / 8 Features

The authors come forth with a data set acquired from an intelligent surveillance system based on the bleeding edge technology – Ultra wide band technology. The intelligent surveillance system is proposed to prefect the movement of patients in and out of hospitals and other clinical establishments. The raw data is amassed from UWB anchors and tags affixed in the clinical arena using a wearable tag. The chronophagous behaviour of following up on the records of patients with respect to their arrival and departure manually is abhorred using the proposed surveillance system. The data described in the manuscript is a result of the system implemented in an area of 12.5m X 16.5m inside a hospital premises.

著者らは、最先端技術である超広帯域技術に基づくインテリジェント監視システムから取得したデータセットを提示しました。このインテリジェント監視システムは、病院やその他の臨床施設に出入りする患者の動きを完璧に把握するために提案されたものです。生データは、ウェアラブル・タグを使用して、臨床現場で貼付されたUWBアンカーとタグから収集されます。提案する監視システムを使用することで、患者の入退院記録を手作業で追跡するような、時系列的な行動を嫌うことができます。原稿に記載されたデータは、病院敷地内の12.5m×16.5mのエリアにシステムを導入した結果です。

Text

Other / Text / 37060 Instances

This dataset contains Turkish comments made by customers on products (computer, tea machine, head phones, modem, parfume, mobile phone, TV, usb)sold on a website. This dataset created by Asst. Prof. Dr. Ekin Ekinci and Prof. Sevinç İlhan Omurca. Please refer to the study “An alternative word embedding approach for knowledge representation in online consumers’ reviews” when using this dataset.

このデータセットには、ウェブサイト上で販売されている商品（コンピュータ、お茶の機械、ヘッドフォン、モデム、香水、携帯電話、テレビ、USB）に対する、顧客のトルコ語のコメントが含まれています。このデータセットはEkin Ekinci助教授とSevinç İlhan Omurca教授によって作成されました。このデータセットを使用する際には、「An alternative word embedding approach for knowledge representation in online consumers’ reviews（オンライン消費者のレビューにおける知識表現のための代替的な単語埋め込みアプローチ）」という研究を参照してください。

Recommendation

Multivariate

Recommendation / Multivariate / 48000000 Instances

PANDOR is a novel and publicly available dataset for online recommendation provided by Purch (http://www.purch.com/).

PANDORは、Purchase(http://www.purch.com/)が提供するオンラインレコメンデーションのための斬新で一般に公開されているデータセットです。

Recommender-Systems

Transactional, Sequential

Recommender-Systems / Transactional, Sequential / 50670 Instances

This data contains a record of user interactions with the Entree Chicago restaurant recommendation system.

このデータには、Entree Chicagoのレストラン推薦システムとユーザーとのやりとりの記録が含まれています。

null

Recommender-Systems / null / 37710 Instances / 294 Features

Log of anonymous users of www.microsoft.com; predict areas of the web site a user visited based on data on other areas the user visited.

www.microsoft.comの匿名ユーザのログ；ユーザが訪問した他の領域のデータに基づいて、ユーザが訪問したウェブサイトの領域を予測します。

Regression

Domain-Theory

Regression / Domain-Theory / 53500 Instances / 386 Features

The dataset consists of 384 features extracted from CT images. The class variable is numeric and denotes the relative location of the CT slice on the axial axis of the human body.

データセットはCT画像から抽出した384個の特徴量で構成されています。クラス変数は数値であり、人体の軸線上でのCTスライスの相対的な位置を表す。

Multivariate

Regression / Multivariate / 515350 Instances

Prediction of the release year of a song from audio features. Songs are mostly western, commercial tracks ranging from 1922 to 2011, with a peak in the year 2000s.

オーディオの特徴から曲のリリース年を予測。曲は主に1922年から2011年までの西洋の商用曲で、2000年代をピークにしています。

Regression / Multivariate / 308 Instances / 7 Features

Delft data set, used to predict the hydodynamic performance of sailing yachts from dimensions and velocity.

デルフトのデータセット、寸法と速度からセーリングヨットの流体力学的性能を予測するために使用。

Regression / Multivariate / 288000 Instances / 49 Features

This data set consists of positions and absorbed power outputs of wave energy converters (WECs) in four real wave scenarios from the southern coast of Australia.

このデータセットは、オーストラリア南岸の4つの実波シナリオにおける波力変換器(WEC)の位置と吸収出力から構成されています。

Regression / Multivariate / 288000 Instances / 49 Features

This data set consists of positions and absorbed power outputs of wave energy converters (WECs) in four real wave scenarios from the southern coast of Australia.

このデータセットは、オーストラリア南岸の4つの実波シナリオにおける波力変換器(WEC)の位置と吸収出力から構成されています。

Regression / Multivariate / 2100 Instances

The task for this dataset is to forecast the spatio-temporal traffic volume based on the historical traffic volume and other features in neighboring locations.

このデータセットのタスクは、近隣の場所の過去の交通量とその他の特徴に基づく時空間的な交通量の予測です。

Regression / Multivariate / 557 Instances / 5 Features

Synchronous motors (SMs) are AC motors with constant speed.A SM dataset is obtained from a real experimental set. The task is to create the strong models to estimate the excitation current of SM.

Synchronous Motor (SM)は、一定の速度を持つ交流モーターです。SMのデータセットは、実際の実験セットから得られます。タスクは、SMの励磁電流を推定するための強力なモデルを作成することです。

Regression / Multivariate / 21260 Instances / 81 Features

Two file s contain data on 21263 superconductors and their relevant features.

2つのファイルsには、21263個の超伝導体とそれに関連する特徴量のデータが含まれています。

Regression / Multivariate / 315 Instances

The data set of performances of weighted scoring stock portfolios are obtained with mixture design from the US stock market historical database.

米国株式市場のヒストリカルデータベースから、混合設計を用いて加重採点株式ポートフォリオのパフォーマンスのデータセットを取得しました。

Regression / Multivariate / 35040 Instances / 11 Features

The data is collected from a smart small-scale steel industry in South Korea.

データは、韓国のスマート小規模鉄鋼産業から収集されています。

Regression / Multivariate / 1390 Instances / 10 Features

Each class attribute counts the number of solar flares of a certain class that occur in a 24 hour period

各クラス属性は、24時間以内に発生したあるクラスの太陽フレアの数をカウントしています。

Regression / Multivariate / 3400 Instances / 20 Features

This data was used in Thompson et al. (2013). A list of possible game actions is discussed in Thompson, Blair, Chen, & Henrey (2013).

このデータは、Thompsonら（2013）で使用されました。可能性のあるゲームアクションのリストは、Thompson, Blair, Chen, & Henrey (2013)で議論されています。

Regression / Multivariate / 167 Instances / 4 Features

Data was from a simulation of a servo system

データはサーボシステムのシミュレーションから得たものです。

Regression / Multivariate / 8760 Instances / 14 Features

The dataset contains count of public bicycles rented per hour in the Seoul Bike Sharing System, with corresponding weather data and holiday information

ソウル市内の各時間帯にレンタルされている公共自転車の台数と、それに対応する天気情報、祝日情報を収録しています。

Regression / Multivariate / 241600 Instances / 18 Features

Running times for multiplying two 2048 x 2048 matrices using a GPU OpenCL SGEMM kernel with varying parameters (using the library ‘CLTune’).

パラメータを変化させたGPU OpenCL SGEMMカーネルを使用して、2つの2048×2048行列を乗算するための実行時間（ライブラリ「CLTune」を使用）。

Regression / Multivariate / 372 Instances

Data set includes construction cost, sale prices, project variables, and economic variables corresponding to real estate single-family residential apartments in Tehran, Iran.

データセットには、イランのテヘランにある一戸建て住宅の不動産に対応する建設費、販売価格、プロジェクト変数、経済変数が含まれています。

Regression / Multivariate / 414 Instances / 6 Features

The real estate valuation is a regression problem. The market historical data set of real estate valuation are collected from Sindian Dist., New Taipei City, Taiwan.

不動産評価は回帰問題です。不動産評価の市場履歴データセットは、台湾の新北市のSindian Dist.から収集されています。

Regression / Multivariate / 908 Instances

Data set containing values for 6 attributes (molecular descriptors) of 908 chemicals used to predict quantitative acute aquatic toxicity towards the fish Pimephales promelas (fathead minnow).

Pimephales promelas (fathead minnow)に対する定量的な急性水生毒性を予測するために使用された908種類の化学物質の6つの属性（分子記述子）の値を含むデータセット。

Regression / Multivariate / 1060 Instances / 7 Features

Experimental bioconcentration factor (BCF) for 1056 molecules and binary fingeprints (extended connectivity) to be used for QSAR modeling.

1056分子の実験的生物濃縮係数（BCF）と、QSARモデリングに使用するバイナリフィンゲプリント（拡張接続性）。

Regression / Multivariate / 546 Instances / 9 Features

Data set containing values for 8 attributes (molecular descriptors) of 546 chemicals used to predict quantitative acute aquatic toxicity towards Daphnia Magna..

ミジンコに対する定量的な急性水生毒性を予測するために使用された546種の化学物質の8つの属性（分子記述子）の値を含むデータセット。

Regression / Multivariate / 45730 Instances / 9 Features

This is a data set of Physicochemical Properties of Protein Tertiary Structure. The data set is taken from CASP 5-9. There are 45730 decoys and size varying from 0 to 21 armstrong.

タンパク質三次構造の物理化学的性質のデータセットです。CASP 5-9からのデータセットです。45730個のデコイがあり、サイズは0から21 armstrongまで様々です。

Regression / Multivariate / 168290 Instances / 11 Features

The dataset contains a million randomly sampled video instances listing 10 fundamental video characteristics along with the YouTube video ID.

データセットには、ランダムにサンプリングされた100万個の動画インスタンスが含まれており、YouTubeの動画IDとともに10の基本的な動画特性がリストアップされています。

Regression / Multivariate / 345 Instances / 5 Features

BUPA Medical Research Ltd. database donated by Richard S. Forsyth

疾患別に分類されたデータの中から、疾患別に分類されたデータを選択することができます。

Regression / Multivariate / 63600 Instances / 148 Features

Wave energy is a rapidly advancing and promising renewable energy source that holds great potential for addressing the challenges of global warming and climate change. However, optimizing energy output in large wave farms presents a complex problem due to the expensive calculations required to account for hydrodynamic interactions between wave energy converters (WECs). Developing a fast and accurate surrogate model is crucial to overcome these challenges. In light of this, we have compiled an extensive WEC dataset that includes 54,000 and 9,600 configurations involving 49 and 100 WECs, coordination, power, q-factor, and total farm power output. The dataset was derived from a study published at the GECCO conference and received the prestigious Best Paper award. We want to acknowledge the support of the University of Adelaide Phoenix HPC service in conducting this research. For more details, please refer to the following link: https://dl.acm.org/doi/abs/10.1145/3377930.3390235.

波力エネルギーは、地球温暖化と気候変動という課題に対処するための大きな可能性を秘めた、急速に進歩する有望な再生可能エネルギー源です。しかしながら、大規模な波力発電所におけるエネルギー出力の最適化は、波力変換器（WECs）間の流体力学的相互作用を考慮するために必要な高価な計算のために、複雑な問題を提示しています。これらの課題を克服するためには、高速で正確なサロゲートモデルを開発することが重要です。このような観点から、我々は、49台と100台のWECを含む54,000台と9,600台の構成、調整、出力、qファクター、およびファームの総出力を含む広範なWECデータセットを編集しました。このデータセットは、GECCO会議で発表され、名誉ある最優秀論文賞を受賞した研究に由来します。この研究を実施するにあたり、アデレード大学フェニックスHPCサービスの支援を感謝したい。詳細は以下のリンクを参照されたい：https://dl.acm.org/doi/abs/10.1145/3377930.3390235.

Regression / Multivariate / 191780 Instances

This is the data set used for The Second International Knowledge Discovery and Data Mining Tools Competition, which was held in conjunction with KDD-98

KDD-98と併催された「第2回国際知識発見・データマイニングツールコンペティション」で使用されたデータセットです。

Regression / Multivariate / 517 Instances

This is a difficult regression task, where the aim is to predict the burned area of forest fires, in the northeast region of Portugal, by using meteorological and other data (see details at: http://www.dsi.uminho.pt/~pcortez/forestfires).

ポルトガル北東部地域の森林火災の焼失面積を気象データなどを用いて予測するという難しい回帰課題（詳細はhttp://www.dsi.uminho.pt/~pcortez/forestfiresを参照）。

Regression / Multivariate / 500 Instances

Facebook performance metrics of a renowned cosmetic’s brand Facebook page.

有名な化粧品ブランドのFacebookページのパフォーマンス指標。

Regression / Multivariate / 40950 Instances

Instances in this dataset contain features extracted from facebook posts. The task associated with the data is to predict how many comments the post will receive.

このデータセットのインスタンスには、facebookの投稿から抽出された特徴が含まれています。このデータに関連するタスクは、投稿がどれだけのコメントを受け取るかを予測することです。

Regression / Multivariate / 11930 Instances / 16 Features

Data have been generated from a sophisticated simulator of a Gas Turbines (GT), mounted on a Frigate characterized by a COmbined Diesel eLectric And Gas (CODLAG) propulsion plant type.

データは、COmbined Diesel eLectric And Gas（CODLAG）推進プラントタイプを特徴とするフリゲート船に搭載されたガスタービン（GT）の高度なシミュレータから生成されています。

Regression / Multivariate / 103 Instances / 10 Features

Concrete is a highly complex material. The slump flow of concrete is not only determined by the water content, but that is also influenced by other concrete ingredients.

コンクリートは非常に複雑な材料です。コンクリートのスランプフローは含水率だけでなく、他のコンクリート成分の影響も受けます。

Regression / Multivariate / 1030 Instances / 9 Features

Concrete is the most important material in civil engineering. The concrete compressive strength is a highly nonlinear function of age and ingredients.

コンクリートは土木工学において最も重要な材料です。コンクリートの圧縮強度は、経年変化や成分の非線形性が高い。

Regression / Multivariate / 209 Instances / 9 Features

Relative CPU Performance Data, described in terms of its cycle time, memory size, etc.

CPUの相対的な性能データで、サイクルタイムやメモリサイズなどで記述されています。

Regression / Multivariate / 2220 Instances / 147 Features

Communities in the US. Data combines socio-economic data from the ’90 Census, law enforcement data from the 1990 Law Enforcement Management and Admin Stats survey, and crime data from the 1995 FBI UCR

米国内のコミュニティ。このデータは、1990年の国勢調査の社会経済データ、1990年のLaw Enforcement Management and Admin Stats調査の法執行データ、1995年のFBI UCRの犯罪データを組み合わせたものです。

Regression / Multivariate / 1990 Instances / 128 Features

Communities within the United States. The data combines socio-economic data from the 1990 US Census, law enforcement data from the 1990 US LEMAS survey, and crime data from the 1995 FBI UCR.

米国内のコミュニティ。このデータは、1990年の米国国勢調査による社会経済データ、1990年の米国LEMAS調査による法執行データ、1995年のFBI UCRによる犯罪データを組み合わせたものです。

Regression / Multivariate / 9570 Instances / 4 Features

The dataset contains 9568 data points collected from a Combined Cycle Power Plant over 6 years (2006-2011), when the plant was set to work with full load.

このデータセットには、複合サイクル発電所が全負荷で動作するように設定された6年間（2006年～2011年）に渡って収集された9568点のデータが含まれています。

Regression / Multivariate / 23 Instances / 4 Features

Task: predict the number of O-rings that experience thermal distress on a flight at 31 degrees F given data on the previous 23 shuttle flights

タスク：過去23回のシャトルフライトのデータをもとに、華氏31度のフライトで熱的苦痛を経験したOリングの数を予測します。

Regression / Multivariate / 60020 Instances / 281 Features

Instances in this dataset contain features extracted from blog posts. The task associated with the data is to predict how many comments the post will receive.

このデータセットのインスタンスには、ブログ記事から抽出された特徴が含まれています。このデータに関連するタスクは、投稿がどのくらいのコメントを受け取るかを予測することです。

Regression / Multivariate / 17390 Instances / 13 Features

This dataset contains the hourly and daily count of rental bikes between years 2011 and 2012 in Capital bikeshare system with the corresponding weather and seasonal information.

このデータセットには、キャピタルのバイクシェアシステムにおける2011年から2012年までのレンタルバイクの1時間ごとの数と1日ごとの数、および対応する天候と季節の情報が含まれています。

Regression / Multivariate / 7750 Instances / 7 Features

It contains fourteen numerical weather prediction (NWP)’s meteorological forecast data, two in-situ observations, and five geographical auxiliary variables over Seoul, South Korea in the summer.

これには、14の数値天気予報(NWP)の気象予報データ、2つの現場観測、および夏の韓国のソウルの5つの地理的補助変数が含まれています。

Regression / Multivariate / 7750 Instances / 7 Features

It contains fourteen numerical weather prediction (NWP)’s meteorological forecast data, two in-situ observations, and five geographical auxiliary variables over Seoul, South Korea in the summer.

これには、14の数値天気予報(NWP)の気象予報データ、2つの現場観測、および夏の韓国のソウルの5つの地理的補助変数が含まれています。

Regression / Multivariate / 107 Instances / 6 Features

This data set can be used to test any regression-based machine learning algorithm. You can predict the ALE variable using four features.

このデータ セットは、回帰ベースの機械学習アルゴリズムをテストするために使用できます。ALE変数は、4つの特徴量を使用して予測できます。

Regression / Multivariate / 107 Instances / 6 Features

This data set can be used to test any regression-based machine learning algorithm. You can predict the ALE variable using four features.

このデータセットは、回帰ベースの機械学習アルゴリズムをテストするために使用できます。4つの特徴を使用してALE変数を予測できます。

Regression / Multivariate / 398 Instances / 7 Features

Revised from CMU StatLib library, data concerns city-cycle fuel consumption

CMUのStatLibライブラリから修正、データは都市サイクルの燃料消費に関するものです。

Regression / Multivariate / 1500 Instances / 6 Features

NASA data set, obtained from a series of aerodynamic and acoustic tests of two and three-dimensional airfoil blade sections conducted in an anechoic wind tunnel.

無響風洞で実施された2次元および3次元翼の翼断面の一連の空力・音響試験から得られたNASAのデータセット。

Multivariate, Sequential, Time-Series

Regression / Multivariate, Sequential, Time-Series / 48200 Instances / 9 Features

Hourly Minneapolis-St Paul, MN traffic volume for westbound I-94. Includes weather and holiday features from 2012-2018.

I-94西行きのMN州ミネアポリス-セントポール間の1時間ごとの交通量。2012年から2018年までの天候と休日の特徴を含む。

Regression / Multivariate, Sequential, Time-Series / 10190 Instances / 6 Features

The data-set contains eight (2×4) data-sets of mobile sensor readings data (humidity, temperature) corresponding to a swarm of four Unmanned Surface Vehicles (USVs) in a test-bed, Athens, Greece.

このデータセットには、ギリシャのアテネ（アテネ）にあるテストベッド内の4台のUSV（Unmanned Surface Vehicles）の群に対応する8つのモバイルセンサの読み取りデータ（湿度、温度）が含まれています。

Multivariate, Sequential, Time-Series, Text

Regression / Multivariate, Sequential, Time-Series, Text / 4140 Instances / 24 Features

This dataset is collected from a monitor system mounted in a domotic house. It corresponds to approximately 40 days of monitoring data.

このデータセットは、ドーム型住宅に設置されたモニターシステムから収集されています。約40日間のモニタリングデータに相当します。

Multivariate, Time-Series

Regression / Multivariate, Time-Series / 120000 Instances / 25 Features

A variety of survival data, with carefully controlled event and censor rates, is available to allow people to develop and test new approaches to survival modelling.

イベントと検閲率を慎重に制御した様々な生存データが利用可能であり、生存モデル化のための新しいアプローチを開発し、テストすることができます。

Regression / Multivariate, Time-Series / 52420 Instances / 6 Features

This dataset is related to power consumption of three different distribution networks of Tetouan city which is located in north Morocco.

このデータセットは、モロッコ北部に位置するテトゥアン市の3つの異なる配電ネットワークの電力消費に関連しています。

Regression / Multivariate, Time-Series / 8300000 Instances / 11 Features

PPG-DaLiA contains data from 15 subjects wearing physiological and motion sensors, providing a PPG dataset for motion compensation and heart rate estimation in Daily Life Activities.

PPG-DaLiAには、生理学的センサーとモーションセンサーを装着した15人の被験者のデータが含まれており、日常生活活動における体動補償と心拍数推定のためのPPGデータセットを提供しています。

Regression / Multivariate, Time-Series / 52850 Instances / 86 Features

This hourly data set contains the PM2.5 data in Beijing, Shanghai, Guangzhou, Chengdu and Shenyang. Meanwhile, meteorological data for each city are also included.

この1時間ごとのデータセットには、北京、上海、広州、成都、瀋陽のPM2.5のデータが含まれています。一方、各都市の気象データも含まれています。

Regression / Multivariate, Time-Series / 2920 Instances / 5230 Features

Design an observing network to monitor emissions of a greenhouse gas (GHG) in California given time series of synthetic observations and tracers from weather model simulations.

カリフォルニアの温室効果ガス(GHG)の排出量を監視する観測ネットワークを設計し、気象モデル シミュレーションからの合成観測とトレーサーの時系列を前提としています。

Regression / Multivariate, Time-Series / 1670 Instances / 5 Features

The data-set contains four (4) sets of mobile sensor readings data (humidity, temperature) corresponding to a swarm of four (4) Unmanned Surface Vehicles (USVs) in a test-bed in Athens (Greece).

データセットには、アテネ（ギリシャ）のテストベッドに設置された4台のUSV（Unmanned Surface Vehicles）の群れに対応する4セットのモバイルセンサー読み取りデータ（湿度、温度）が含まれています。

Regression / Multivariate, Time-Series / 43820 Instances

This hourly data set contains the PM2.5 data of US Embassy in Beijing. Meanwhile, meteorological data from Beijing Capital International Airport are also included.

この1時間ごとのデータセットには、北京の米国大使館のPM2.5データが含まれています。一方、北京首都国際空港の気象データも含まれています。

Regression / Multivariate, Time-Series / 420770 Instances

This hourly data set considers 6 main air pollutants and 6 relevant meteorological variables at multiple sites in Beijing.

この1時間ごとのデータセットは、北京の複数の地点における6つの主要な大気汚染物質と6つの関連する気象変数を考慮しています。

Regression / Multivariate, Time-Series / 19740 Instances / 29 Features

Experimental data used to create regression models of appliances energy use in a low energy building.

低エネルギービルでの家電製品のエネルギー使用量の回帰モデルを作成するために使用された実験データ。

Regression / Multivariate, Time-Series / 9360 Instances / 15 Features

Contains the responses of a gas multisensor device deployed on the field in an Italian city.

イタリアの都市に設置されたガスマルチセンサデバイスの応答を含む。

Multivariate, Time-Series, Text

Regression / Multivariate, Time-Series, Text / 21640 Instances / 29 Features

Data set of the real-time election results of the 2019 Portuguese Parliamentary Election.

ポルトガル2019年：2019年ポルトガル議会選挙のリアルタイム選挙結果のデータセット。

Regression / Multivariate, Time-Series, Text / 93240 Instances / 11 Features

Large data set of news items and their respective social feedback on multiple platforms: Facebook, Google+ and LinkedIn.

複数のプラットフォーム上のニュースアイテムとそれぞれのソーシャルフィードバックの大規模なデータセット。Facebook、Google+、LinkedIn。

Other

Regression / Other / 705 Instances

Here we want to forecast the spatio-temporal water quality in terms of the “power of hydrogen (pH)” value for the next day based on the input data, which is the historical data of other water measurement indices. The input data consists of daily samples for 36 sites, providing measurements related to pH values in Georgia, USA. The input features consist of 11 common indices including volume of dissolved oxygen, temperature, and specific conductance (see details in dataset). The output to predict is the measurement of ‘pH, water, unfiltered, field, standard units (Median)’.There are two major water systems to consider: one is centered on the city of Atlanta while the other is centered on the eastern coast of Georgia. This information indicates spatial dependency among different locations which are important to the forecast.For details of the data description, please refer to the file named README.docx.’Specific conductance, water, unfiltered, microsiemens per centimeter at 25 degrees Celsius (Maximum)’ ‘pH, water, unfiltered, field, standard units (Maximum)’ ‘pH, water, unfiltered, field, standard units (Minimum)’ ‘Specific conductance, water, unfiltered, microsiemens per centimeter at 25 degrees Celsius (Minimum)’ ‘Specific conductance, water, unfiltered, microsiemens per centimeter at 25 degrees Celsius (Mean)’ ‘Dissolved oxygen, water, unfiltered, milligrams per liter (Maximum)’ ‘Dissolved oxygen, water, unfiltered, milligrams per liter (Mean)’ ‘Dissolved oxygen, water, unfiltered, milligrams per liter (Minimum)’ ‘Temperature, water, degrees Celsius (Mean)’ ‘Temperature, water, degrees Celsius (Minimum)’ ‘Temperature, water, degrees Celsius (Maximum)’

ここでは、他の水測定指標の履歴データである入力データに基づいて、翌日の「水素の力(pH)」の値の観点から時空間の水質を予測したいと思います。入力データは、36サイトの毎日のサンプルで構成され、米国ジョージア州のpH値に関連する測定値を提供します。入力フィーチャは、溶存酸素の量、温度、比コンダクタンスを含む11の一般的な指標で構成されています(データセットの詳細を参照)。予測する出力は、「pH、水、ろ過なし、フィールド、標準単位(中央値)」の測定値です。考慮すべき2つの主要な水道システムがあります:1つはアトランタ市を中心とし、もう1つはジョージア州の東海岸を中心としています。この情報は、予測にとって重要なさまざまな場所間の空間依存性を示します。データの説明の詳細については、README.docxという名前のファイルを参照してください。「比コンダクタンス、水、ろ過なし、摂氏25度でマイクロジーメンス/センチメートル(最大)」「pH、水、ろ過なし、フィールド、標準単位(最大)」「pH、水、ろ過なし、フィールド、標準単位(最小)」「比コンダクタンス、水、ろ過なし、摂氏25度でマイクロジーメンス/センチメートル(最小)」「比コンダクタンス、水、ろ過なし、摂氏25度でマイクロジーメンス/センチメートル(平均)」「溶存酸素、水、ろ過なし、ミリグラム/リットル(最大)」「溶解酸素、水、ろ過なし、ミリグラム/リットル(平均)」「溶存酸素、水、ろ過なし、ミリグラム/リットル(最小)」「温度、水、摂氏(平均)」「温度、水、摂氏(最小)」「温度、水、摂氏(最大)」。

Regression / Other / 2100 Instances

The task for this dataset is to forecast the spatio-temporal traffic volume based on the historical traffic volume and other features in neighboring locations.

このデータセットのタスクは、近隣の場所の過去の交通量とその他の特徴に基づく時空間的な交通量の予測です。

Sequential, Multivariate, Time-Series

Regression / Sequential, Multivariate, Time-Series / 71230 Instances / 1 Features

This dataset consists of measurements of electrical power corresponding to an input control signal over time, collected from a 3-kilowatt commercial micro gas turbine.

このデータセットは、3キロワットの商用マイクロガスタービンから収集された、入力制御信号に対応する電力の測定値から構成されています。

Sequential, Time-Series

Regression / Sequential, Time-Series / 4000 Instances / 2 Features

Recorded task execution times for four Edge Servers submitted by edge node; node sends images to servers for image recognition tasks. The servers perform the tasks and return the results to nodes.

エッジ ノードによって送信された4つのエッジ サーバーのタスク実行時間を記録。ノードは、画像認識タスクのために画像をサーバーに送信します。サーバーはタスクを実行し、結果をノードに返します。

Regression / Sequential, Time-Series / 4000 Instances / 2 Features

Recorded task execution times for four Edge Servers submitted by edge node; node sends images to servers for image recognition tasks. The servers perform the tasks and return the results to nodes.

エッジ ノードによって送信された4つのエッジ サーバーの記録されたタスク実行時間。ノードは、画像認識タスクのために画像をサーバーに送信します。サーバーはタスクを実行し、結果をノードに返します。

Tabular

Regression / Tabular / 5880 Instances / 19 Features

Oxford Parkinson’s Disease Telemonitoring Dataset

オックスフォード・パーキンソン病テレモニタリング・データセット

Regression / Tabular / 182 Instances / 4 Features

There exist five columns in this dataset. The first four columns are features (i.e., area, sensing range, transmission range, number of sensor nodes), and the last column is the predictor or target variable (i.e., Number of barriers). This dataset is synthetically created through Monte-Carlo simulations.

このデータセットには5つの列が存在します。最初の4列は特徴量（面積、検知範囲、送信範囲、センサーノード数）、最後の列は予測変数またはターゲット変数（障壁の数）です。このデータセットはモンテカルロシミュレーションによって合成されたものです。

Regression / Tabular / 1020 Instances / 33 Features

The Infrared Thermography Temperature Dataset contains temperatures read from various locations of inferred images about patients, with the addition of oral temperatures measured for each individual. The 33 features consist of gender, age, ethnicity, ambiant temperature, humidity, distance, and other temperature readings from the thermal images. The dataset is intended to be used in a regression task to predict the oral temperature using the environment information as well as the thermal image readings.

赤外線サーモグラフィ温度データセットには、患者について推定された画像の様々な場所から読み取られた温度が含まれており、各個人について測定された口腔内の温度も追加されています。33の特徴量は、性別、年齢、民族、周囲温度、湿度、距離、赤外線画像から読み取ったその他の温度から構成されています。このデータセットは、環境情報と熱画像の測定値を用いて口腔内温度を予測する回帰タスクに使用されます。

Regression / Tabular / 20520 Instances / 1 Features

This dataset list the location and width of the first band gap for 10×10 pixel 2D elastic metamaterials.

このデータセットには、10×10ピクセルの2次元弾性メタマテリアルの第一バンドギャップの位置と幅がリストされています。

Regression / Tabular / 181 Instances

English plays (1585-1610), transcribed from early printed editions containing 181 plays. The plays as “samples” and the frequencies of the words appearing in those plays as “features” in the dataset.

英語の戯曲(1585-1610)、181の戯曲を含む初期の印刷版から転写されました。再生は「サンプル」として、それらの再生に現れる単語の頻度はデータセットの「特徴」として再生されます。

Regression / Tabular / 181 Instances

English plays (1585-1610), transcribed from early printed editions containing 181 plays. The plays as “samples” and the frequencies of the words appearing in those plays as “features” in the dataset.

英語の戯曲（1585-1610年）、181の戯曲を含む初期の印刷版から転写。戯曲を「サンプル」とし、それらの戯曲に登場する単語の頻度を「特徴」としてデータセットを構成します。

Time-Series

Regression / Time-Series / 731 Instances / 1070 Features

Contains Wikipedia pages about popular mathematics topics and the edges describe the links from one page to another. Features describe the number of daily visits between 2019 and 2021 March.

ウィキペディアの人気のある数学のトピックに関するページを含み、エッジはあるページから別のページへのリンクを表します。特徴は2019年から2021年3月までの1日のアクセス数を記述しています。

Regression / Time-Series / 731 Instances / 1070 Features

Contains Wikipedia pages about popular mathematics topics and the edges describe the links from one page to another. Features describe the number of daily visits between 2019 and 2021 March.

ウィキペディアの人気のある数学のトピックに関するページを含み、エッジはあるページから別のページへのリンクを表します。特徴は2019年から2021年3月までの1日のアクセス数を記述しています。

Regression / Time-Series / 36 Instances / 15 Features

A dataset of weekly bicycle package deliveries by Pedal Me in London during 2020 and 2021. Nodes in the graph represent geographical units and edges are proximity based mutual adjacency relationships.

2020年と2021年のロンドンのPedal Meによる毎週の自転車荷物配達のデータセット。グラフ内のノードは地理的単位を表し、エッジは近接性に基づく相互隣接関係です。

Regression / Time-Series / 521 Instances / 20 Features

A spatio-temporal dataset of weekly chickenpox cases from Hungary. The dataset consists of a county-level adjacency matrix and time series of the county-level reported cases between 2005 and 2015.

ハンガリーの毎週の水痘患者の時空間データセット。このデータセットは、郡レベルの隣接行列と、2005年から2015年の間に郡レベルで報告された症例の時系列で構成されています。

Regression / Time-Series / 60 Instances / 13 Features

The dataset was collected during 60 days, this is a real database of a brazilian logistics company.

データセットは60日間に渡って収集され、これはブラジルの物流会社の実在のデータベースです。

Univariate

Regression / Univariate / 10720 Instances / 8 Features

This dataset contains 10721 initial and calculated atomic coordinates of carbon nanotubes.

このデータセットには、カーボンナノチューブの初期原子座標と計算された原子座標が10721個含まれています。

null

Regression / null

This dataset contain 10 Trajectories of IIWA14-R820 Gazebo robot model. Based in paper ‘Improving the Inverse Dynamics Model of the KUKA LWR IV+ using Independent Joint Learning’ of Shareef (2016).

このデータセットには、IIWA14-R820ガゼボロボットモデルの10個の軌跡が含まれています。Shareef (2016)の論文「Improving the Inverse Dynamics Model of the KUKA LWR IV+ using Independent Joint Learning」に基づいています。

Regression, Classification

Time-Series, Multivariate

Regression, Classification / Time-Series, Multivariate / 140000 Instances / 77 Features

This data-set contains examples of buzz events from two different social networks: Twitter, and Tom’s Hardware, a forum network focusing on new technology with more conservative dynamics.

このデータセットには、2つの異なるソーシャルネットワークからのバズイベントの例が含まれています。Twitterと、より保守的なダイナミクスを持つ新技術に焦点を当てたフォーラムネットワークであるTomのHardwareです。

Regression, Clustering

Multivariate

Regression, Clustering / Multivariate / 260000 Instances / 8 Features

The data-set contains three (3) sets of range/radius query workloads from Gaussian distributions over a real dataset; Each query is associated with aggregate scalar values (count/sum/average).

データセットには、実データセット上のガウス分布からの範囲/半径のクエリワークロードの3つのセットが含まれています；各クエリは、集約スカラー値（カウント/サム/平均）に関連付けられています。

Regression, Clustering / Multivariate / 36730 Instances / 11 Features

The dataset contains 36733 instances of 11 sensor measures aggregated over one hour, from a gas turbine located in Turkey for the purpose of studying flue gas emissions, namely CO and NOx.

データセットには、トルコにあるガスタービンからの排ガス、すなわちCOとNOxを研究する目的で、1時間に渡って集約された11のセンサー測定の367733インスタンスが含まれています。

Multivariate, Sequential

Regression, Clustering / Multivariate, Sequential / 141710 Instances / 36 Features

This event log was extracted from data gathered from the audit system of an instance of the ServiceNow platform used by an IT company and enriched with data loaded from a relational database.

このイベントログは、IT企業が利用しているServiceNowプラットフォームのインスタンスの監査システムから収集したデータを抽出し、リレーショナルデータベースから読み込んだデータをリッチ化したものです。

Multivariate, Time-Series

Regression, Clustering / Multivariate, Time-Series / 2080000 Instances / 9 Features

Measurements of electric power consumption in one household with a one-minute sampling rate over a period of almost 4 years. Different electrical quantities and some sub-metering values are available.

1世帯の電力消費量を1分間のサンプリングレートで約4年間にわたって測定。さまざまな電気量と一部のサブメータリング値が利用可能です。

Sequential, Text

Regression, Clustering / Sequential, Text / 434870 Instances / 4 Features

3D road network with highly accurate elevation information (+-20cm) from Denmark used in eco-routing and fuel/Co2-estimation routing algorithms.

デンマークの高精度標高情報（+20cm）を持つ3次元道路ネットワークで、エコルーティングや燃料/二酸化炭素推定ルーティングアルゴリズムに使用されています。

Time-Series

Regression, Clustering / Time-Series / 370 Instances / 140260 Features

This data set contains electricity consumption of 370 points/clients.

このデータセットには370点/顧客の電力消費量が含まれています。

Regression, Clustering, Causal-Discovery

Multivariate

Regression, Clustering, Causal-Discovery / Multivariate / 913 Instances / 53 Features

Survey of faculty members from two Spanish universities on teaching uses of Wikipedia

スペインの2つの大学の教員にウィキペディアの使い方を教えることについて調査

Time-Series, Domain-Theory

Regression, Clustering, Causal-Discovery / Time-Series, Domain-Theory / 30000 Instances / 20000 Features

Amazon’s InfoSec is getting smarter about the way Access data is leveraged. This is an anonymized sample of access provisioned within the company.

AmazonのInfoSecはAccessデータの活用方法を賢くしています。これは、社内でプロビジョニングされたアクセスの匿名化されたサンプルです。

Regression, Description

Multivariate

Regression, Description / Multivariate / 9000 Instances / 86 Features

This data set used in the CoIL 2000 Challenge contains information on customers of an insurance company. The data consists of 86 variables and includes product usage data and socio-demographic data

CoIL 2000チャレンジで使用されたこのデータセットには、保険会社の顧客に関する情報が含まれています。データは86の変数で構成され、製品使用データと社会統計学的データが含まれています。

Relational-Learning

Relational

Relational-Learning / Relational / 104 Instances / 12 Features

Relational dataset

関係データセット

null

Data-Generator

null / Data-Generator

Generates application domains based on specific parameters, number of features, and proportion of positive to negative examples

特定のパラメータ、特徴量の数、正の例と負の例の割合に基づいて、アプリケーション領域を生成します。

Domain-Theory

null / Domain-Theory / 1000 Instances

Student Loan Relational Domain

学生ローンの関係領域

null / Domain-Theory

Two sets of datasets are given: pyrimidines and triazines

ピリミジンとトリアジンの2つのデータセットが与えられています。

null / Domain-Theory

Assorted domains like blocksworld, eightpuzzle, and schedworld.

blocksworld, eightpuzzle, schedworldなどのドメインの詰め合わせ。

null / Domain-Theory

Used in research to generate features for an inductive learning system

帰納的学習システムの特徴量を生成するための研究に使用される

null / Domain-Theory / 202 Instances

Horn-clause model that qualitatively simulates moral reasoning; Theory includes negated literals

道徳的推論を質的にシミュレートする角句モデル;理論には否定されたリテラルが含まれます

null / Domain-Theory

Learning concepts from sensor data of a mobile robot; set of data sets

移動ロボットのセンサデータからの学習概念;データセット一式

null / Domain-Theory

All code for Logic Theorist

Logic Theoristのすべてのコード

null / Domain-Theory

Domain Theory on Economic Sanctions; Undocumented

経済制裁の領域論;未記載のもの

null / Domain-Theory

6 different domain theories for generating legal moves of chess

チェスの合法的な手を生成するための6つの異なるドメイン理論

Multivariate

null / Multivariate / 138 Instances / 47 Features

The dataset was obtained from a recommender system prototype. The task was to generate a top-n list of restaurants according to the consumer preferences.

データセットはレコメンダーシステムのプロトタイプから取得した。タスクは、消費者の好みに応じたレストランのトップNリストを生成することであった。

null / Multivariate / 57 Instances / 16 Features

From Collective Bargaining Review

団体交渉レビューより

null / Multivariate / 10100 Instances / 72 Features

This data contains general demographic information on internet users in 1997.

このデータには、1997年のインターネット利用者の一般的な人口統計学的情報が含まれています。

null / Multivariate / 256930 Instances / 61 Features

This data set contains unweighted PUMS census data from the Los Angeles and Long Beach areas for the years 1970, 1980, and 1990.

このデータセットには、1970年、1980年、1990年のロサンゼルスおよびロングビーチ地域のPUMS国勢調査データが含まれています。

null / Multivariate / 68040 Instances / 89 Features

This dataset contains image features extracted from a Corel image collection. Four sets of features are available based on the color histogram, color histogram layout, color moments, and co-occurence

このデータセットは、Corel画像コレクションから抽出された画像特徴量を含みます。カラーヒストグラム、カラーヒストグラムレイアウト、カラーモーメント、共起性に基づいた4つの特徴セットがあります。

null / Multivariate / 20010 Instances / 4 Features

The file “nettalk.data” contains a list of 20,008 English words, along with a phonetic transcription for each word. The task is to train a network to produce the proper phonemes

ファイル「nettalk.data」には、20,008個の英単語のリストと、各単語の音素転写が含まれています。タスクは、適切な音素を生成するためのネットワークを訓練することです。

null / Multivariate / 340 Instances / 17 Features

This data set is from the 1999 Computational Intelligence and Learning (COIL) competition. The data contains measurements of river chemical concentrations and algae densities.

このデータセットは、1999年の計算知能と学習（COIL）コンテストのものです。このデータには、河川の化学物質濃度と藻類密度の測定値が含まれています。

Multivariate, Relational

null / Multivariate, Relational / 10000 Instances

This data set contains a list of over 10000 films including many older, odd, and cult films. There is information on actors, casts, directors, producers, studios, etc.

このデータセットには、多くの古い映画、奇抜な映画、カルト映画を含む10000本以上の映画のリストが含まれています。俳優、キャスト、監督、プロデューサー、スタジオなどの情報があります。

Multivariate, Sequential, Time-Series

null / Multivariate, Sequential, Time-Series / 51 Instances / 35 Features

The data from Twitter was collected during 360 consecutive days. It was done by querying 1497 English keywords sampled from Wikipedia. This dataset is proposed in a Learning to rank setting.

データは、360日連続でTwitterから収集した。これは、Wikipediaからサンプリングした1497個の英語キーワードをクエリーすることによって行われた。このデータセットは、ランク付けのための学習設定で提案されています。

Multivariate, Time-Series

null / Multivariate, Time-Series

This dataset contains time series sensor readings of the Pioneer-1 mobile robot. The data is broken into experiences” in which the robot takes action for some period of time and experiences a control”

このデータセットには、Pioneer-1移動ロボットの時系列センサー読み取り値が含まれています。このデータは、ロボットが一定期間行動をとり、制御を経験する「経験」に分けられています。

null / Multivariate, Time-Series / 132 Instances / 5 Features

3 different exercises: sitting, standing and walking in the muscles: biceps femoris, vastus medialis, rectus femoris and semitendinosus addition to goniometry in the exercises.

3つの異なる演習：筋肉に座って、立って、歩いて：大腿二頭筋、正中広筋、大腿直筋と半腱様のエクササイズでゴニオメトリーに加えて、大腿二頭筋、正中広筋、大腿直筋、半腱様。

null / Multivariate, Time-Series / 50400 Instances / 3 Features

Loop sensor data was collected for the Glendale on ramp for the 101 North freeway in Los Angeles

ロサンゼルスの101ノースフリーウェイのグレンデールのランプでループセンサーのデータを収集しました。

null / Multivariate, Time-Series / 10080 Instances / 4 Features

This data comes from the main door of the CalIt2 building at UCI.

このデータはUCIのCalIt2棟の正門から来ています。

Relational

null / Relational

Data giving characteristics of each ORF (potential gene) in the M. tuberculosis bacterium. Sequence, homology (similarity to other genes) and structural information, and function (if known) are provided

結核菌の各ORF（潜在遺伝子）の特徴を与えたデータ。配列、相同性（他の遺伝子との類似性）、構造情報、機能（既知の場合）が掲載されています。

null / Relational

Data giving characteristics of each ORF (potential gene) in the E. coli genome. Sequence, homology (similarity to other genes) and structural information, and function (if known) are provided.

大腸菌ゲノム中の各ORF（潜在遺伝子）の特徴を示すデータ。配列、相同性（他の遺伝子との類似性）、構造情報、機能（既知の場合）が提供されています。

Sequential

null / Sequential / 989820 Instances

This data describes the page visits of users who visited msnbc.com on September 28, 1999. Visits are recorded at the level of URL category (see description) and are recorded in time order.

このデータは、1999年9月28日にmsnbc.comを訪問したユーザーのページ訪問数を示しています。訪問はURLカテゴリ(説明を参照)のレベルで記録され、時間順に記録されます。

Text

null / Text / 20000 Instances

This data set consists of 20000 messages taken from 20 newsgroups.

このデータセットは、20のニュースグループから抽出された20000件のメッセージから構成されています。

null / Text

This data set contains user reviews of cars and and hotels collected from Tripadvisor (~259,000 reviews) and Edmunds (~42,230 reviews).

このデータセットには、Tripadvisor (~259,000レビュー)とEdmunds (~42,230レビュー)から収集した車やホテルのユーザーレビューが含まれています。

null / Text / 129000 Instances

This data set consists of (a) 129,000 abstracts describing NSF awards for basic research, (b) bag-of-word data files extracted from the abstracts, (c) a list of words used for indexing the bag-of-word

このデータセットは、(a)NSFの基礎研究賞を記載した129,000件のアブストラクト、(b)アブストラクトから抽出したBag-of-wordデータファイル、(c)Bag-of-wordの索引付けに使用した単語のリストから構成されています。

null / Text / 401 Instances / 1 Features

This dataset includes Online Textual Reviews from both online (e.g., TripAdvisor) and offline (e.g., Guests’ book) sources from the Areias do Seixo Eco-Resort.

このデータセットには、Areias do Seixo Eco-Resortのオンラインのテキストレビュー（TripAdvisorなど）とオフラインのテキストレビュー（Guestのbookなど）が含まれています。

Text, Sequential

null / Text, Sequential

This file contains 9 sets of sanitized user data drawn from the command histories of 8 UNIX computer users at Purdue over the course of up to 2 years.

このファイルには、パデュー大学の8人のUNIXコンピュータユーザのコマンド履歴から、最大2年間に渡って抽出された9セットのサニタイズされたユーザデータが含まれています。

Univariate, Time-Series

null / Univariate, Time-Series / 100000 Instances

This data set is designed for testing indexing schemes in time series databases. The data appears highly periodic, but never exactly repeats itself.

このデータセットは、時系列データベースのインデックス作成スキームをテストするために設計されています。データは非常に周期的に見えますが、決して正確に繰り返すことはありません。

null / Univariate, Time-Series / 100 Instances / 6 Features

Time-series data based on chorales; challenge is to learn generative grammar; data in Lisp

コラールを基にした時系列データ、生成文法の学習が課題。

null

null / null

Various datasets without documentation (feel free to explore!)

ドキュメントのない様々なデータセット（自由に探索してください

null / null

Undocumented

ドキュメント化されていない

null / null

Assorted small-scale domain theories

小規模領域理論

null / null

Five concepts, expressed as predicates, to be learned

学習すべき5つの概念を述語で表現したもの