Free Dataset

Salah satu tahap awal dalam proses data mining baik untuk bahan ajar maupun riset adalah menyediakan dataset. Banyak sekali dataset yang tersedia gratis di internet. Berikut adalah sebagian daftarnya:

Yang biasa digunakan dalam buku teks:

• ACM KDD Cup kompetisi tahunan ACM SIGKDD dengan problem dunia nyata
• UCI KDD Archive
• UCI Machine Learning Repository 
• CMU StatLib Datasets Archive 
• Time Series Data Library koleksi sekitar 800 time series
• EconData data time series ekonomi dari Inforum, University of Maryland
• UCR Time Series Data Archive data untuk klasifikasi dan clustering time series
• GeoDa Center koleksi data spatial
• Kumpulan datasets oleh Weka

Yang lainnya

• KDnuggets  www.kdnuggets.com/datasets/
• Dari diskusi di Google group get.theinfo groups.google.com/group/get-theinfo
• Sub-Reddit www.reddit.com/r/datasets/ 
• Quora answer www.quora.com/Where-can-I-get-large-datasets-open-to-the-public?q=dataset
• OpenData opendata.socrata.com/ memiliki sekitar 100K dataset
• MillionSong labrosa.ee.columbia.edu/millionsong/  - dataset musik dengan metadatanya, total 260GB
• infochimps.org/datasets (sebagian gratis, sebagian berbayar)
• ckan.org [Comprehensive Knowledge Archive Network]
• del.icio.us/pskomoroch/dataset
• news.ycombinator.com/item?id=1242029
• www.reddit.com/r/opendata
• www.trustlet.org/wiki/Repositories_of_datasets
• www.quantlet.org/mdbase/
• datamob.org/
• freebase.com/
• www.archive-it.org/public/all_collections

Informasi selanjutnya:

• www.datawrangling.com/some-datasets-available-on-the-web.html
• http://www.findbestopensource.com/article-detail/free-large-data-corpus