需要体育、娱乐、健康等类别以及所有子类别的训练数据
我正在尝试 ML 中的分类算法，并正在寻找一些语料库来训练我的模型以区分不同的类别，如体育、天气、技术、足球、板球等，
我需要一些指示，告诉我在哪里可以找到这些类别的数据集 对我来说，
另一个选择是抓取维基百科以获取 30 多个类别的数据，但我想要一些集思广益和意见，如果有更好的方法可以做到这一点。
编辑
使用这些类别的词袋方法训练模型 测试 - 根据网页内容将新/未知网站分类到这些预定义类别。
I am experimenting with Classification algorithms in ML and am looking for some corpus to train my model to distinguish among the different categories like sports,weather, technology, football,cricket etc,
I need some pointers on where i can find some dataset with these categories,
Another option for me, is to crawl wikipedia to get data for the 30+ categories, but i wanted some brainstorming and opinions, if there is a better way to do this.
Edit
Train the model using the bag of words approach for these categories
Test - classify new/unknown websites to these predefined categories depending on the content of the webpage.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
UCI 机器学习存储库 包含用于监督学习的可搜索数据集存档。
如果您提供有关理想数据集具有哪些输入和输出的更具体信息，您可能会得到更好的答案。
编辑：
The UCI machine learning repository contains a searchable archive of datasets for supervised learning.
You might get better answers if you provide more specific information about what inputs and outputs your ideal dataset would have.
Edit: