在哪里可以获取有关测试算法/例程的良好数据集/测试问题？

41

在评估要在计算工作中使用的软件质量（无论是编写的东西还是固定包装的软件）时，通常最好先查看它在标准数据集或问题上的工作情况。在哪里可以获得这些测试以验证计算例程？

（请给每个答案一本网站/书。）

testing data-sets

— JM
source

我打算将其作为Community Wiki帖子，并因此将其标记为要转换。

— JM

3

这个问题不是太广泛了吗，即取决于算法/该软件要解决的问题的性质？

— 安德烈·霍尔兹纳

我真的希望这个问题成为社区Wiki @Andre（作为资源的“大清单”）；我已经将其标记为要转换，但是我不知道为什么它没有被转换。

— JM

@JM我已经转换了它。

— David Ketcheson 2012年

15

如果您有兴趣对稀疏矩阵进行分析，我还将考虑戴维斯大学的佛罗里达大学稀疏矩阵集合和矩阵市场。

— Aron Ahmadia
source

1

还有Matrix Market math.nist.gov/MatrixMarket

— stali，2012年

13

制造的解决方案的方法是测试PDE和其他求解器的标准。大多数符号代数系统都具有生成代码的功能，这对于创建人造的解决方案很有用。为此，SymPy和Maple具有函数ccode。

— er虫
source

10

目前，意大利巴里大学的人员维护了IVP（ODE求解程序的初始价值问题）的测试集，该测试集从CWI阿姆斯特丹接管。

— 吉特·尼森
source

1

JM在Math.StackExchange上的此答案中提供了一些IVP的其他测试集：math.stackexchange.com/a/59398

— David Ketcheson 2011年

9

为了测试图分区算法，有Walshaw的图分区存档。

— 阿伦·艾玛迪亚（Aron Ahmadia）
source

8

在计算电磁学中，有一组著名的（或因某些困难而臭名昭著）的测试问题：测试电磁分析方法（TEAM）。

他们中的某些人确实确实需要认真使用最新的数值技术，以使正确的仿真结果与实验数据保持一致。例如，导体线圈问题。

道格（Dauge）汇编了麦克斯韦方程组的另一组测试问题：麦克斯韦方程组的基准计算，用于逼近高奇异解。著名的（或臭名昭著的）Fichera立方体中的一个：

费切拉

$\phi\in H^{1+\epsilon}$ $\mathbf{E} = -\nabla \phi$

Δ u = 0, where u = r^{α} \sin (α θ) .

$\Delta u= 0,\quad \text{where }\;u = r^{\alpha}\sin(\alpha \theta).$

— 曹树豪
source

7

如果您对与分子结构相关的基准测试算法感兴趣，则pubchem数据库包含大量的有机分子集合。这可能有助于比较使用不同模型/程序获得的分子特性的预测。该站点具有几个选项，可用于下载满足某些预定义条件（例如化学成分）的大批量分子。

— 卡通香椿
source

7

Arnold Neumaier 对于无约束和有约束的优化（非线性编程）保持稳定的测试问题。此系列中包括由于Moré，Garbow和Hillstrom而导致无约束优化的当前标准测试问题。

— JM
source

7

在可爱的网站上更新阿诺德Neumaier的网站提到与优化和线性解法一些额外的问题可爱的测试集。此外，它提供了用于测试和更新线性代数和优化求解器的软件工具。

— 杰夫·奥克斯伯里
source

7

雅典娜的测试是否要解决双曲守恒定律。

— 安德烈亚斯·克洛克纳（AndreasKlöckner）
source

6

我们在建筑能耗模拟软件中使用天气数据集。在美国，数据集包含在过去20年中每小时获取的天气观测值（通常在机场）。

数据集可供下载。
描述文件格式的手册。

— 唐古雷纳
source

6

为了测试统计算法，有DJ Hand，F。Daly，K。McConway，D。Lunn和E. Ostrowski编写的《小数据集手册》。其中一些数据集可以从此处下载。

— JM
source

4

为了测试多元统计分析和机器学习算法，可以在http://www.ics.uci.edu/~mlearn/找到 UCI数据集存储库

— 山姆·罗伯茨
source

4

汉斯·米特尔曼（Hans Mittelman）的网站是浏览数值优化中当前软件选项的绝佳资源。他包括自己的基准，以及与其他基准有关优化测试问题的链接。

— 阿伦·艾玛迪亚（Aron Ahmadia）
source

3

Alan Genz在“ 测试多维集成例程”一文中提出了一组功能测试。我找不到本文的在线版本，但是可以在有关CUBA库的论文中找到对其的引用。

— dls
source

3

还有就是由罗兰·赫尔佐格在TU-开姆尼茨维持基准PDE-约束优化问题的集合在这里。

— 安德鲁·T·巴克
source

2

好的软件必须已经过测试，并且应该说出作者是如何进行测试的，或者自己提供测试数据集（例如，以回归测试的形式），或者至少提供指向使用其进行测试的数据的链接。

— 沃尔夫冈·邦格斯
source

听见；请参见可重复性 ff。和可复制的研究和IPython笔记本。

— 丹尼斯

2

如果您正在寻找大型图形或网络数据进行测试。在斯坦福大学的网络分析项目（SNAP）拥有许多大型数据集图形通常以匿名邻接表的形式。他们的一些选择包括：

数据

社交网络：Facebook，Gplus，Twitter，比特币等
引文网络：节点代表论文，边缘代表引文。
Web图：节点表示数据库页，边为超链接。
道路网：节点代表路口，边线是连接路口的道路。
有符号网络：正负权重。
时间网络：边缘具有时间戳。
许多很多其他 ...

数据性质

边数：约10到约4亿
节点数：从10到1亿左右
边线类型：有向，无向，加权，未加权，有符号和无符号。
网络类型：有向，无向，二分，多图，时间，标记。

数据集上提供的地面真实状态统计信息：

节点数
边数
最大的弱连接组件中的节点数
最大的弱连接组件中的边数
最大的强连接组件中的节点数
最大的强连接组件中的边数
平均聚类系数
三角形数
闭合三角形的分数
直径（最长的最短路径）
有效直径的90％

工具类

SNAP C ++工具：具有高性能的通用工具，用于大型网络的分析和处理。
SNAP Python工具

— 瑞安
source

@JM没问题！不久前，我将他们的一些社交网络数据集用于一个项目，然后偶然发现了这个stackexchange，并认为这可能对您有所帮助。

— ryan

-3

数据很简单；要获得它的API可能很难。我推荐Quandl。该站点拥有超过1000万个可通过一个简单的REST-ful API访问的公开可用数据集。所有数据均以CSV或JSON返回。或者，如果编程不是您的强项，则可以采用简单的方法将数据导入Excel。R，Python和Ruby程序员将完全可以使用本机库。

— 布莱恩风险
source

1

欢迎来到Scicomp！我不认为这是问题所涉及的数据。要测试算法，您不仅需要一个数据集，还需要一个相应的已知结果（取决于问题/算法）来与您的结果进行比较。

— 克里斯蒂安·克拉森

谢谢@ChristianClason。我明白你的意思了。例如，如果软件用于线性回归，则作者对数据集以及经过审查的分析结果集感兴趣，以测试线性回归程序包是否正确执行。

— Brian Risk