2.1 使用真实数据

学习机器学习最好使用真实数据进行实验，而不仅仅是人工数据集。以下是一些可以获得数据的地方。

• 流行的开放数据存储库：
  • UC Irvine Machine Learning Repository(http://archive.ics.uci.edu/ml/)
  • Kaggle datasets (https://www.kaggle.com/datasets)
  • Amazon’s AWS datasets (http://aws.amazon.com/fr/datasets/)
• 元门户站点 （它们会列出开放的数据存储库）：
  • Data Portals (http://dataportals.org/)
  • OpenDataMonitor (http://opendatamonitor.eu/)
  • Quandl (http://quandl.com/)
• 其他一些流行的开放数据存储库页面：
  • Wikipedia’s list of Machine Learning datasets (https://goo.gl/SJHN2k)
  • Quora.com (http://goo.gl/zDR78y)
  • The datasets subreddit (https://www.reddit.com/r/datasets)

本章的学习选择的是StatLib库中加州住房价格的数据集。该数据集基于1990年加州人口普查的数据。虽然是个比较旧的数据，但是有很多可以学习的特质，为了学习的目的，增加了一个分类属性，并且移除了一些特征。