机器学习中的基准数据集是用于评估和比较算法或模型性能的标准化数据集集合。这些数据集经过精心策划，以代表特定的任务，例如图像分类、自然语言处理或回归。它们通常包含预定义的训练集和测试集划分，确保在不同实验中评估的一致性。例如，MNIST（手写数字）和 CIFAR-10（小型图像分类）是计算机视觉领域的经典基准，而 IMDb 数据集（电影评论）是 NLP 情感分析的常用基准。这些数据集为研究人员和开发人员提供了一个共同的基础，用于测试想法、重现结果并客观地衡量进展。
您可以在公共存储库、特定框架库和特定领域平台中找到基准数据集。常见的通用来源包括 Kaggle（例如，泰坦尼克号生存数据集）、UCI 机器学习库（例如，Iris 数据集）和 OpenML。TensorFlow 和 PyTorch 等框架提供了对基准数据集的内置访问：TensorFlow Datasets (TFDS) 包括 Fashion-MNIST 等数据集，TorchVision 提供了 CIFAR-100。对于 NLP，Hugging Face 的 Datasets 库托管了 GLUE 和 SQuAD 等基准。特定领域平台包括 LibriSpeech（语音识别）、KITTI（自动驾驶）和 MIMIC-III（医疗保健）。DrivenData 或 AIcrowd 等平台上的学术竞赛也为气候建模或医学成像等挑战提供精选数据集。
选择基准数据集时，优先选择与您的实际问题领域和规模相符的数据集。例如，ImageNet（1400 万张图像）非常适合测试深度学习模型，但对于简单的原型可能过于庞大。务必查阅数据集文档，了解潜在的偏差、许可限制和预处理要求。请注意，某些基准，如 MNIST，对于基本任务被认为是“已解决”的，可能无法反映现实世界的复杂性。对于较新的领域，可以关注像 Papers With Code 这样的社区驱动平台，它们追踪最先进的基准。最后，即使在完成基准测试后，也要在自定义数据上验证您的模型，因为实际性能通常与受控评估不同。