UCI数据集是一个常用的标准测试数据集，下载地址在
我的主页上也有整理好的一些UCI数据集(arff格式)：
关于源代码，网上有很多公开源码的算法包，例如最为著名的Weka，MLC++等。Weka还在不断的更新其算法，下载地址：
很多的机器学习的经典算法都在里面。而且公布源程序，易于修改。
如果作者没有公布源程序，可以到作者主页找找，也可以写信给作者要，一般论文开头都会有作者的email地址。写信的时候要注意要很有礼貌，否则作者，尤其是著名学者，很有可能不会理睬。如果算法简单，可以自己实现。
关于论文的下载，如果能够访问电子图书馆是最好的，很多学校都买了IEEE,Elsevier,Kluwer等，上面的期刊都不错。有一些很好的期刊是免费的，像JAIR和JMLR，分别在：
再嘱咐两点，要做研究，首先要打好基础，例如数学基础和程序设计能力，要学会熟练使用google等搜索引擎，还有一定要看高质量的论文。
《数据挖掘的数据集资源》
DirectMarketing
KDDCUP1998Data
GIS
ForestCoverType
Indexing
CorelImageFeatures
PseudoPeriodicSyntheticTimeSeries
IntrusionDetection
KDDCUP1999Data
ProcessControl
SyntheticControlChartTimeSeries
RecommendationSystems
EntreeChicagoRecommendationData
Robots
Pioneer-1MobileRobotData
RobotExecutionFailures
SignLanguageRecognition
AustralianSignLanguageData
High-qualityAustralianSignLanguageData
TextCategorization
20NewsgroupsData
Reuters-21578TextCategorizationCollection
NSFResearchAwardsAbstracts1990-2003
WorldWideWeb
MicrosoftAnonymousWebData
MSNBCAnonymousWebData
SyskillWebertWebData
2、几个实用的测试数据集下载的网站
以下网址上有各种数据集：
进行文本分类，还有一个数据集是可以用的，即rainbow的数据集
3、找了很多测试数据集,写论文的同志们肯定需要的,至少能用来检验算法的效果
可能有一些不能访问,但是总有能访问的吧：
UCI收集的机器学习数据集
ftp://pami.sjtu.edu.cn/
statlib
样本数据库
关于基金的数据挖掘的网站
reuters数据集
各种数据集：
进行文本分类&WEB
apriori算法的测试数据
数据生成器的链接
关联：
WEKA：
1。Ajarfilecontaining37classificationproblems,originallyobtainedfromtheUCIrepository
2。Ajarfilecontaining37regressionproblems,obtainedfromvarioussources
3。Ajarfilecontaining30regressiondatasetscollectedbyLuisTorgo
癌症基因：
金融数据：
另一个人提供的
在下面的网址可以找到reuters数据集
DownloadtheFinancialData(~17.5Mzippedfile,~67Munzippeddata)