CLIMB是一个针对表格数据上的类别不平衡学习的综合基准，包含73个真实世界的表格数据集，涵盖了广泛的领域和失衡水平。该数据集旨在为类别不平衡学习提供基准，并支持不同类别不平衡学习算法之间的轻松实现和比较。数据集的创建基于严格的非平凡性和现实性标准，确保了数据集的真实性和实用性。数据集包括多种算法实现，如重采样、成本敏感学习和基于集成的方法。数据集还包含了一个统一的API设计，详细的文档和严格的代

arXiv2025-05-23 更新360

huihui-ai/s50K

数学问题求解

数据挖掘

该数据集来自自动收集的(simplescaling/s1)存储库中的数据，可能需要将文件中的simplescaling/numinamath_500替换为qfq/numinamath_500。数据集包含解决方案、问题、cot类型、来源类型、元数据和cot（可能为空）等字段。训练集大小为58139个示例，数据集总大小约为9.9GB。具体的数据集内容或用途没有明确说明，但从字段名称来看，这可能是一个包

Hugging Face2025-02-07 更新160

Yield curation USPTO rsmi/csv datasets

化学反应

数据挖掘

In 2017 Lowe shared curated and published USPTO based chemical reaction datasets in csv format. Based on this, Schwaller et al. published curated reaction smiles (they in turn used the curated set dis

DataCite Commons2025-06-01 更新130

FakeNewsNet

假新闻分析

数据挖掘

Fake News, MisInformation, Data Mining

kaggle2018-11-02 更新290

KathirKs/CC-MAIN-2017-22_row_wise_20241007_162941

网络爬虫

数据挖掘

该数据集包含文本内容、唯一标识符和元数据三个主要特征。文本内容为字符串序列，唯一标识符为字符串类型，元数据包含dump、file_path、id和url四个子字段，均为字符串类型。数据集分为一个训练集，包含1,688,855个样本，总大小为20,446,020,473字节。下载大小为7,685,259,506字节。数据集的配置文件名为default，数据文件路径为data/train-*。

Hugging Face2024-10-07 更新150

数据估值（快速版）

资源简介：

相关数据集