UCI数据库使用说明

UCI机器学习数据库的网址：http://archive.ics.uci.edu/ml/

数据库不断更新，是所有学习人工智能、机器学习等都需要用到的数据库，是看文章、写论文、测试算法的必备数据集。数据库种类涉及生活、工程、科学各个领域，记录数也是从少到多，最多达几十万条。

UCI数据可以使用Matlab的dlmread或textread读取，不过，需要先将不是数字的类别用数字，比如1/2/3等替换，否则读入不了数值，当字符了。

dlmread和textread的用法详见Matlab帮助。

每个数据文件（*.data）包含以“属性-值”对形式描述的很多个体样本的记录。对应的*.info文件包含的大量的文档资料 。（有些文件_generate_ databases；他们不包含*.data文件。）作为数据集和领域知识的补充，在utilities目录里包含了一些在使用这一数据集时的有用资料。

地址 http://www.ics.uci.edu/~mlearn/MLRepository.html，这里的UCI数据集可以看作是通过web的远程拷贝。作为选择，这些数据同样可以通过ftp获得，地址为：ftp://ftp.ics.uci.edu可是使用匿名登陆ftp，在pub/machine-learning-databases目录中找到。

注意：
UCI一直都在寻找可加入的新数据，这些数据将被写入incoming子目录中。希望您能贡献您的数据，并提供相应的文档。谢谢——贡献过程可以参考DOC-REQUIREMENTS文件。目前，多数数据使用下面的格式 ：一个实例一行，没有空格，属性值之间使用逗号“,”隔开，并且缺少的值使用问号“?”表示。并请在做出您的贡献后提醒一下站点管理员：[e-mail]

下面以UCI中IRIS为例介绍一下数据集

ucidata\iris中有三个文件：
Index
iris.data
iris.names

index为文件夹目录，列出了本文件夹里的所有文件，如iris中index的内容如下：
Index of iris
18 Mar 1996     105 Index
08 Mar 1993     4551 iris.data
30 May 1989     2604 iris.names

iris.data为iris数据文件，内容如下：
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
……
7.0,3.2,4.7,1.4,Iris-versicolor
6.4,3.2,4.5,1.5,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
……
6.3,3.3,6.0,2.5,Iris-virginica
5.8,2.7,5.1,1.9,Iris-virginica
7.1,3.0,5.9,2.1,Iris-virginica
……
如上，属性直接以逗号隔开，中间没有空格（5.1,3.5,1.4,0.2,），最后一列为本行属性对应的值，即决策属性Iris-setosa
。

iris.names介绍了irir数据的一些相关信息，如数据标题、数据来源、以前使用情况、最近信息、实例数目、实例的属性等，如下所示部分：
……
7. Attribute Information:
   1. sepal length in cm
   2. sepal width in cm
   3. petal length in cm
   4. petal width in cm
   5. class: 
      -- Iris Setosa
      -- Iris Versicolour
      -- Iris Virginica
……
9. Class Distribution: 33.3% for each of 3 classes.

本数据的使用实例请参考其他论文，或本站后面的内容。