数据集ex1data2.txt

北京很美丽，我喜欢北京

汇集多种格式数据，涵盖json、txt、csv等类型，助力项目开发学习。适用于scala、sparkstreaming等技术领域探索与实践。

微博推荐数据集，用于 KDD Cup 2012 Track 1 比赛。

MovieLens 1M 的数据集真的挺经典的，适合想研究推荐系统又不想从零开始搞数据的朋友。数据量刚好——100 万条评分记录，够你跑模型也不会让电脑冒烟。用户信息、电影信息全都有，拿来练手协同过滤再合适不过了。 里面的评分跨度从 1995 年到 2009 年，跨度长、内容全，做冷启动、做时间滑窗实验都挺方便。你可以试试用户协同过滤，比如找出跟你口味相似的影迷，看他们都在看啥，再给你推荐类似的。 物品协同过滤也蛮有意思。你喜欢某部片子，就找相似风格的电影继续推给你。像计算余弦相似度、Jaccard 系数这些，在这个数据集上跑起来都挺顺畅。 要是你想玩点高阶的，也可以上矩阵分解或者深度学习的模

通过对lpsa.data数据集的线性回归分析，可以深入理解Spark RDD编程接口的应用。 深入学习参考: Spark RDD论文详解（三）Spark编程接口

MovieLens 1M数据集是一个稳定的基准数据集，包含来自6000名用户对4000部电影的超过100万条评分。该数据集发布于2003年2月。

包含推荐系统算法开发和评估所需的用户评分、电影元数据和标签。

该数据集包含 PCA 分析的数据。

包含 Seaborn 可视化库所需的所有基础数据集。

MNIST 数据集已打包，内含训练和测试数据。