---
title: "50+ датасетов для классификации в ML"
description: "Классификация — одна из ключевых задач машинного обучения. Ее цель — научить модель определять, к какому классу принадлежит объект: спам это или нет, кот или…"
url: "https://data-light.ru/blog/ml-dataseti-dlya-klassifikacii/"
date_modified: "2025-07-28T09:42:21+03:00"
language: "ru-RU"
---
![](https://data-light.ru/wp-content/uploads/2025/07/klaccificacia-dannih-ml.png)**Классификация** — одна из ключевых задач машинного обучения. Ее цель — научить модель определять, к какому классу принадлежит объект: спам это или нет, кот или собака на фото, высокий или низкий доход у пользователя.

Чтобы решать такие задачи, модели нужны примеры — размеченные данные, на которых она сможет учиться.

В этой статье мы собрали **более 50 датасетов** **для классификации** в разных сферах: от компьютерного зрения до обработки естественного языка .

## NLP

![NLP датасеты](https://data-light.ru/wp-content/uploads/2025/07/nlp-datasets-1024x591.png)**Спам и фейки**

[Spam Classification for Basic NLP](https://www.kaggle.com/datasets/chandramoulinaidu/spam-classification-for-basic-nlp) — Набор электронных писем в формате CSV для **определения спама**. Данные представлены в исходном виде — с HTML-тегами и прочими особенностями, требуют предварительной обработки.

[Spam Email Classification](https://www.kaggle.com/datasets/ashfakyeafi/spam-email-classification) — Содержит коллекцию электронных писем в формате CSV с двумя столбцами: метка и текст. Предназначен для задач бинарной классификации — **спам / не спам**.

[E‑Mail Classification NLP](https://www.kaggle.com/datasets/datatattle/email-classification-nlp) — Датасет для классификации **электронных писем**. Включает тексты сообщений и соответствующие метки (spam/ham).

[Fake News Classification](https://www.kaggle.com/datasets/saurabhshahane/fake-news-classification) — Датасет для классификации **фейковых новостей**. Содержит около 72 000 новостных статей, из которых 35 000 — реальные и 37 000 — фейки.

[Fake and Real News Dataset](https://www.kaggle.com/datasets/clmentbisaillon/fake-and-real-news-dataset) — Включает более 45 000 **новостных статей**, разделенных на два класса (fake/true). Каждая статья содержит заголовок, текст, тему и дату публикации.

**Эмоциональная окраска текста**

[Emotion Classification NLP](https://www.kaggle.com/datasets/anjaneyatripathi/emotion-classification-nlp) — Текстовый датасет, основанный на сообщениях, где каждому присвоена одна из четырех эмоций: радость, печаль, гнев или страх. Подходит для обучения моделей классификации **эмоциональной окраски** **текста**.

[Cyberbullying Classification](https://www.kaggle.com/datasets/andrewmvd/cyberbullying-classification) — Датасет для обучения моделей, выявляющих и классифицирующих **типы агрессивных сообщений** в соцсетях. Содержит около 47 000 сообщений, размеченных по 6 классам. Данные сбалансированы: для каждого класса примерно по 8 000 примеров.

**Тематическая классификация**

[Legal Text Classification Dataset](https://www.kaggle.com/datasets/amohankumar/legal-text-classification-dataset) — Датасет для классификации **юридических текстов**. Включает 25 000 юридических документов с аннотациями в формате CSV.

[Russian Social Media Text Classification](https://www.kaggle.com/datasets/mikhailma/russian-social-media-text-classification) — Набор данных включает тексты постов на русском языке, относящихся к различным **видам спорта**.

[Text Document Classification Dataset](https://www.kaggle.com/datasets/sunilthite/text-document-classification-dataset) — Набор данных содержит 2 225 текстовых документов, разделенных на **5 тем**: бизнес, развлечения, политика, спорт и технологии.

**Классификация продуктов и товаров**

[Ecommerce Text Classification](https://www.kaggle.com/datasets/saurabhshahane/ecommerce-text-classification) — Датасет для **классификации товаров** на основе их текстовых описаний. Содержит 50 425 описаний, разделенных на четыре категории: «Электроника», «Товары для дома», «Книги» и «Одежда и аксессуары».
[Massive Product Text Classification Dataset](https://www.kaggle.com/datasets/asaniczka/product-titles-text-classification) — Более 5 миллионов названий товаров с Amazon (США, Канада и Великобритания), размеченных по категориям. Предназначен **для обучения крупных моделей** классификации.

## Компьютерное зрение

![Датасеты компьютерное зрение (CV)](https://data-light.ru/wp-content/uploads/2025/07/cv-datasets-1024x591.png)**Большие наборы данных**

[ImageNet](https://image-net.org/index.php) — Один из крупнейших наборов данных для классификации изображений. Содержит более **14 миллионов изображений** и 20 000+ категорий объектов.

[CIFAR-100 Python](https://www.kaggle.com/datasets/fedesoriano/cifar100) — Классика ML, 60 000 изображений различных **повседневных объектов** (100 классов, по 600 изображений каждый).

[Caltech 256 Image Dataset](https://www.kaggle.com/datasets/jessicali9530/caltech256) — 30 607 изображений, 257 классов объектов. Минимальное количество изображений в каждом классе — 80. Охватывает **широкий спектр объектов** — животных, транспорт, бытовую технику и др.

**Люди**

[Gender Detection & Classification — Face Dataset](https://www.kaggle.com/datasets/trainingdatapro/gender-detection-and-classification-image-dataset) — Содержит более 200 000 **изображений лиц**. Предназначен для создания и оценки моделей, определяющих **пол человека** на фото.

[6 Human Emotions for Image Cassification](https://www.kaggle.com/datasets/yousefmohamed20/sentiment-images-classifier) — Изображения лиц, предназначенные для классификации **человеческих эмоций**. Данные охватывают 6 классов: радость, грусть, страх, боль, гнев и отвращение.

**Одежда**

[DeepFashion](https://paperswithcode.com/dataset/deepfashion) — Более 800 000 **изображений одежды**, 46 классов объектов.

[Clothing & Models](https://www.kaggle.com/datasets/dqmonn/zalando-store-crawl) — Набор цветных **изображений одежды**. Подходит для задач классификации, сегментации, оценки позы и генерации изображений с помощью GAN.

**Спорт**

[Sports Image Classification](https://www.kaggle.com/datasets/sidharkal/sports-image-classification) — Датасет состоит из двух частей: 8 000 размеченных изображений для обучения и 2 000 неразмеченных для тестирования. Классы представляют **7 видов спорта**: крикет, борьба, теннис, бадминтон, футбол, плавание и карате.

[Sport-Classification-Dataset](https://www.kaggle.com/datasets/ponrajsubramaniian/sportclassificationdataset) — Датасет с изображениями **спортсменов**. Примерно 500–700 фото на каждый из 20 классов: плавание, бадминтон, футбол, хоккей и др.

## Медицина

![Медицинские датасеты](https://data-light.ru/wp-content/uploads/2025/07/medicina-datasets-1024x591.png)**Изображения**

[Leukemia Classification](https://www.kaggle.com/datasets/andrewmvd/leukemia-classification) — Датасет состоит из 15 135 изображений **клеток крови**, классифицированных как нормальные или пораженные **лейкемией**. Изображения были размечены экспертом-онкологом и являются репрезентативными для реальных задач, поскольку содержат некоторые шумы.

[Brain Tumor Classification (MRI)](https://www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-classification-mri) — Датасет для обнаружения и классификации типов **опухоли головного мозга**. Содержит более 7 000 МРТ-изображений, относящихся к четырем классам: глиома, менингиома, аденома гипофиза и отсутствие опухоли.

[Retinal Disease Classification](https://www.kaggle.com/datasets/andrewmvd/retinal-disease-classification) — Включает 3 200 изображений глазного дна, предназначенных для классификации более 40 **офтальмологических заболеваний**.

[CT Medical Images](https://www.kaggle.com/datasets/kmader/siim-medical-images) — Результаты **компьютерной томографии** 69 пациентов. Данные включают сведения о возрасте и применении контрастного вещества.

[Medical Scan Classification Dataset](https://www.kaggle.com/datasets/arjunbasandrai/medical-scan-classification-dataset) — Содержит различные медицинские изображения, включая **рентгеновские снимки, КТ и МРТ**.

[Skin Cancer MNIST: HAM10000](https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000) — Содержит 10 000 дерматологических изображений для классификации **кожных заболеваний**.

[NIH Chest X‑rays](https://www.kaggle.com/datasets/nih-chest-xrays/data) — Включает 11 120 фронтальных **рентгеновских снимков грудной клетки**, полученных в результате обследования 30 805 уникальных пациентов. Подходит для задач многоклассовой и мультиклассовой классификации.

[MedMNIST: Standardized Biomedical Images](https://www.kaggle.com/datasets/arashnic/standardized-biomedical-images-medmnist) — Большой набор стандартизированных **биомедицинских изображений**. В общей сложности содержит около 708 000 2D и 10 000 3D изображений.

**Табличные данные**

[Heart Disease Classification](https://www.kaggle.com/datasets/abhishek14398/heart-disease-classification) — Датасет состоит из табличных данных и предназначен для обнаружения и классификации **сердечно-сосудистых заболеваний**. Включает различные признаки, такие как возраст, пол, давление, уровень сахара в крови, тип боли в груди и др.

[Anemia Types Classification](https://www.kaggle.com/datasets/ehababoelnaga/anemia-types-classification) — Результаты общего анализа крови, предназначенные для определения различных типов **анемии**. Данные вручную диагностированы и подходят для задач многоклассовой медицинской классификации.

[Disease Diagnosis Dataset](https://www.kaggle.com/datasets/s3programmer/disease-diagnosis-dataset) — **Медицинские показатели** 2 000 пациентов. Включает демографические данные, симптомы, показания датчиков, диагноз и степень тяжести заболевания.

**Текстовые данные**
[Medical Text Dataset — Cancer Doc Classification](https://www.kaggle.com/datasets/falgunipatel19/biomedical-text-publication-classification) — Датасет с **биомедицинскими текстами**, включает публикации о раке толстой кишки, легких и щитовидной железы. Предназначен для классификации научных документов.

## **Транспорт и дорожные объекты**

![Транспорт и дорожные обьекты](https://data-light.ru/wp-content/uploads/2025/07/transport-datasets-1024x591.png)**Изображения**

[Traffic Sign Dataset](https://www.kaggle.com/datasets/ahemateja19bec1025/traffic-sign-dataset-classification) — Датасет для классификации **дорожных знаков**. Включает около 58 классов дорожных знаков, каждый из которых представлен примерно 120 изображениями.

[Vehicle Image Classification](https://www.kaggle.com/datasets/mohamedmaher5/vehicle-classification) — Набор данных предназначен для задач классификации **транспортных средств**. Содержит 5 600 изображений в 7 категориях (по 800 изображений каждая): авторикши, мотоциклы, велосипеды, автомобили, самолеты, корабли и поезда.

[Vehicle Type Recognition](https://www.kaggle.com/datasets/kaggleashwin/vehicle-type-recognition) — Датасет содержит изображения **транспортных средств** четырех типов: легковых автомобилей, грузовиков, автобусов и мотоциклов. Предназначен для разработки и оценки моделей классификации изображений.

[5 Vehicles for Classification](https://www.kaggle.com/datasets/mrtontrnok/5-vehichles-for-multicategory-classification) — Содержит изображения автомобилей, мотоциклов, автобусов, поездов и грузовиков. Все изображения получены из датасета COCO, структурированы, очищены от фона и приведены к размеру 192×192 пикселя.

**Табличные данные**

[Car Classification Dataset](https://www.kaggle.com/datasets/stealthtechnologies/car-evaluation-classification) — Содержит 1 728 записей с **характеристиками автомобилей** (цена покупки и обслуживания, число дверей, вместимость, размер багажника, уровень безопасности). Целевой признак — **оценка автомобиля** (от «неприемлемо» до «очень хорошо»).

## Природа, экология и окружающая среда

![Датасеты про природу и экологию](https://data-light.ru/wp-content/uploads/2025/07/ecologia-datasets-1024x591.avif)**Изображения

[Animal Image Classification Dataset](https://www.kaggle.com/datasets/borhanitrash/animal-image-classification-dataset) — Содержит около 3 000 изображений в формате JPG, разделенных на три класса: **кошки, собаки и змеи**. Подходит для базовой классификации животных в задачах компьютерного зрения.

[Bird Species Classification](https://www.kaggle.com/datasets/akash2907/bird-species-classification) — Небольшой датасет с изображениями **16 видов птиц**, собранный с помощью краудсорсинга. Содержит около 150 изображений в высоком разрешении для обучения и 158 для тестирования.

[Fish Species Image Data](https://www.kaggle.com/datasets/sripaadsrinivasan/fish-species-image-data/data) — Содержит около 3 960 изображений **468 видов рыб**, снятых в условиях реальной подводной съемки.

[Plants Classification](https://www.kaggle.com/datasets/marquis03/plants-classification) — Изображения **30 видов растений**: около 21 000 для обучения, 3 000 для валидации и 6 000 для тестирования. Общий объем данных — около 1,5 ГБ. Подходит для классификации различных растений и сельскохозяйственных культур.

[Plant Seedlings Classification](https://www.kaggle.com/c/plant-seedlings-classification/data) — Включает изображения **12 видов растений на разных стадиях роста**. Данные разделены на обучающую и тестовую выборки, где каждое изображение снабжено уникальным идентификатором.

[Agricultural Crops Image Classification](https://www.kaggle.com/datasets/mdwaquarazam/agricultural-crops-image-classification) — Изображения **30 сельскохозяйственных культур** (включая кукурузу, рис, тростник и др). Формат данных позволяет обучать модели многоклассовой классификации.

[New Plant Diseases Dataset](https://www.kaggle.com/datasets/vipoooool/new-plant-diseases-dataset)— Данные для классификации **заболеваний растений**. Набор содержит около 87 000 цветных изображений листьев. Включает как здоровые, так и пораженные образцы.

[PlantDoc Classification Dataset](https://www.kaggle.com/datasets/nirmalsankalana/plantdoc-dataset) — Содержит 2 598 **изображений листьев** с признаками заболеваний. Данные охватывают 17 классов заболеваний, 16 видов растений, собраны из открытых источников и отражают реальные условия съемки.

[Waste Classification Data](https://www.kaggle.com/datasets/kaanerkez/waste-classfication-dataset) — 6 800 изображений мусора. Всего 17 классов, включая стекло, металл, бумагу, пластик и др. Подходит для обучения моделей, распознающих **типы бытовых отходов** по фото.

[Environmental Scenes Images Dataset](https://www.kaggle.com/datasets/hammadjavaid/environmental-scenes-images-dataset) — Коллекция из 492 изображений, представляющих **различные сцены**: городские улицы, леса, горы, озера.

**Аудио**

[Environmental Sound Classification 50](https://www.kaggle.com/datasets/mmoreaux/environmental-sound-classification-50) — Датасет с 2 000 короткими аудиозаписями по 5 секунд, разделенными на 50 классов. Включает как **звуки природы** (дождь, лай собак), так и **городские шумы** (пожарная сирена, дрель). Подходит для задач классификации аудио.

**Табличные данные**
[Mushroom Classification](https://www.kaggle.com/datasets/uciml/mushroom-classification) — Датасет для классификации **грибов** (съедобные и ядовитые). Содержит описания внешних признаков — форма шляпки, цвет, запах и др.

## Социальные и демографические данные

![Социальные и демографические данные](https://data-light.ru/wp-content/uploads/2025/07/social-datasets-1024x591.png)**Финансы и маркетинг**

[Income Classification](https://www.kaggle.com/datasets/lodetomasi1995/income-classification) — Датасет для классификации и прогнозирования **уровня дохода** на основе социально-демографических характеристик. Целевая переменная — бинарная: получает ли человек больше 50 000$ в год.

[Credit Score Classification](https://www.kaggle.com/datasets/parisrohan/credit-score-classification) — Данные для классификации **кредитоспособности** клиентов. Набор содержит более 100 000 записей с такими признаками, как возраст, доход и кредитная история.

[Simple Loan Classification Dataset](https://www.kaggle.com/datasets/sujithmandala/simple-loan-classification-dataset) — Датасет для классификации **заявок на кредит** (одобрение или отказ). Подходит для построения базовой модели банковского скоринга.

[Marketing Campaign Response Prediction](https://www.kaggle.com/datasets/sujithmandala/marketing-campaign-positive-response-prediction) — Данные о клиентах: возраст, доход, семейное положение, история покупок. Цель — классификация по признаку: откликнулся ли человек на **маркетинговую кампанию**.

**Поведенческие и личностные особенности**

[Gender Classification](https://www.kaggle.com/datasets/hb20007/gender-classification) — Небольшой CSV‑датасет, предназначенный для **предсказания пола человека** на основе его предпочтений (например, любимый цвет, музыка и др.).

[Extrovert vs. Introvert Behavior Data](https://www.kaggle.com/datasets/rakeshkapilavai/extrovert-vs-introvert-behavior-data) — Датасет с поведенческими характеристиками людей для классификации **экстраверт/интроверт**. Содержит около 2900 записей с такими признаками, как социальная активность, время в одиночестве и участие в мероприятиях.

[Student Habits vs Academic Performance](https://www.kaggle.com/datasets/jayaantanaath/student-habits-vs-academic-performance) — Синтетический датасет, предназначен для задач классификации и регрессии, где цель — предсказать **успеваемость учащегося** на основе ежедневных привычек.

\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_

Эти датасеты — отличный старт для построения моделей классификации в разных сферах. Выбирайте те, что ближе к вашей задаче, и не забывайте предварительно обрабатывать и очищать данные.

[Full list of this site's AI-readable pages](https://data-light.ru/llms.txt)