找数据指南 · 平台怎么选
Kaggle、Hugging Face、Zenodo 怎么选？
三个平台定位完全不同：Kaggle 是机器学习练手与竞赛的数据，Hugging Face 是模型训练用的数据集和语料，Zenodo 这类仓库是带 DOI、能在论文里引用的科研存档。下面按你要找的数据类型，告诉你该去哪个平台。
一句话先回答
按数据类型选平台最省事：要机器学习竞赛和练手数据（带明确任务和评测）去 Kaggle；要模型训练的数据集与语料（文本、图像、音频、多模态）去 Hugging Face；要能在论文里规范引用的科研存档数据（带 DOI）去 Zenodo、figshare、Harvard Dataverse。三者经常配合用，不是二选一。
按数据类型选平台
找机器学习竞赛与练手数据：Kaggle
Kaggle 是面向 AI 与数据科学的社区平台，提供数十万个开放数据集，可免费浏览和下载，还有竞赛、Notebook 和课程。它的强项是带明确任务、评测标准和社区讨论的结构化数据，适合做项目练手、复现 baseline 或参加比赛。
- 许可特点：每个数据集由发布者自行选择许可，常见 CC0、CC BY-SA 等，使用前看清数据集页面标注的许可。
- 国内访问：国内直接访问不稳定，可借助国内镜像或同类平台替代。
- 引用方式：引用数据集作者、名称与页面链接，并遵循该数据集的许可。
找模型、语料与多模态数据：Hugging Face
Hugging Face 是 AI 社区平台，数据集板块托管了海量数据集，覆盖文本、图像、音频、视频、表格、时间序列、地理空间等多种模态，免费访问。它和模型、训练流程结合紧密，适合找训练语料、基准数据集和特定任务的数据。
- 许可特点：数据集许可由发布方标注，差异较大，部分数据集需同意使用条款或申请访问。
- 国内访问：国内直接访问不稳定，可借助国内镜像或同类平台替代。
- 引用方式：引用数据集名称、发布方与链接，按数据集卡片标注的许可使用。
找带 DOI 的科研存档数据：Zenodo、figshare、Harvard Dataverse
这三个是科研数据仓库，共同特点是为每个数据集分配 DOI，可直接在论文里引用，适合找已发表研究的配套数据、补充材料和可长期保存的研究数据集。
- Zenodo：由 CERN 与 OpenAIRE 共建运营，免费上传与访问，托管数据、软件、论文与会议材料，覆盖各学科。
- figshare：开放获取仓库，每个条目分配 DOI，免费上传与访问，数据集多以知识共享许可发布，图表、数据集、代码都可托管。
- Harvard Dataverse：哈佛大学定量社会科学研究所等机构维护，面向各学科研究者免费开放并分配 DOI，社科类数据尤为丰富；其底层 Dataverse 为开源软件，全球多家机构搭建了独立实例。
三类平台横向对比
| 平台 | 最适合找什么 | 许可特点 | 引用方式 | 国内访问 |
|---|---|---|---|---|
| Kaggle | 机器学习竞赛与练手数据 | 发布者自选（CC0/CC BY-SA 等） | 作者+名称+链接 | 直接访问不稳定 |
| Hugging Face | 模型训练数据集与语料 | 发布方标注，差异较大 | 名称+发布方+链接 | 直接访问不稳定 |
| Zenodo | 带 DOI 的科研存档与软件 | 开放/受限可选，多为开放许可 | DOI 引用 | 可访问，速度波动 |
| figshare | 论文配套数据、图表与代码 | 多为知识共享许可 | DOI 引用 | 可访问，速度波动 |
| Harvard Dataverse | 社科与多学科研究数据 | 按数据集标注 | DOI 引用 | 可访问，速度波动 |
怎么搭配着用
- 做模型项目：训练数据从 Hugging Face 或 Kaggle 拿，最终把自己整理的数据和代码存到 Zenodo 或 figshare 拿 DOI，方便论文引用。
- 写实证论文：优先找带 DOI 的存档数据（Zenodo、figshare、Dataverse），引用规范、可追溯；竞赛类数据更适合做方法演示。
- 找特定主题数据：先在对应平台搜，再到我们的中文说明库看高价值开源数据集的中文讲解，省去读英文文档的时间。
国外平台访问不稳定怎么办
部分国际平台在国内直接访问不稳定。遇到这种情况，可优先使用平台的国内镜像站点，或改用国内的同类公开平台与数据仓储替代。如果你只是要某个特定数据集、又不想折腾访问问题，可以把需求交给我们：先做免费可得性评估，在权威数据平台真实检索，按你列的必须项逐条判断命中与缺口。如该次检索未找到贴合你需求的数据集，我们不就该次可得性评估收取费用。