ชุดข้อมูล (หรือชุดข้อมูล ) คือกลุ่มของข้อมูลในกรณีของข้อมูลแบบตารางชุดข้อมูลจะสอดคล้องกับตารางฐานข้อมูล หนึ่งตารางขึ้นไป โดยแต่ละคอลัมน์ของตารางจะแสดงตัวแปร เฉพาะ และแต่ละแถวจะสอดคล้องกับระเบียน ที่กำหนด ของชุดข้อมูลนั้นๆ ชุดข้อมูลจะแสดงค่าของแต่ละตัวแปร เช่น ความสูงและน้ำหนักของวัตถุ สำหรับสมาชิกแต่ละคนของชุดข้อมูล ชุดข้อมูลยังสามารถประกอบด้วยกลุ่มของเอกสารหรือไฟล์ได้อีกด้วย^{[ 2 ]}

ใน สาขาวิชา ข้อมูลเปิดชุดข้อมูลคือหน่วยที่ใช้ในการวัดปริมาณข้อมูลที่เผยแพร่ในคลังข้อมูลเปิดสาธารณะ พอร์ทัลข้อมูลของยุโรปdata.europa.euรวบรวมชุดข้อมูลมากกว่าหนึ่งล้านชุด^{[ 3 ]}

ลักษณะหลายประการกำหนดโครงสร้างและคุณสมบัติของชุดข้อมูล ซึ่งรวมถึงจำนวนและประเภทของแอตทริบิวต์หรือตัวแปร และมาตรวัดทางสถิติ ต่างๆ ที่ใช้ได้กับข้อมูลเหล่านั้น เช่นค่าเบี่ยงเบนมาตรฐานและค่าความโค้ง^{[ 4 ]}

ค่าต่างๆ อาจเป็นตัวเลข เช่นจำนวนจริงหรือจำนวนเต็มตัวอย่างเช่น ความสูงของบุคคลในหน่วยเซนติเมตร แต่ก็อาจเป็นข้อมูลเชิงนาม (เช่น ไม่ใช่ ค่า ตัวเลข ) ตัวอย่างเช่น เชื้อชาติของบุคคล โดยทั่วไปแล้ว ค่าต่างๆ อาจเป็นประเภทใดก็ได้ที่อธิบายไว้ว่าเป็นระดับการวัดสำหรับแต่ละตัวแปร ค่าต่างๆ มักจะเป็นประเภทเดียวกันทั้งหมด อาจมี ค่าที่หายไปซึ่งจะต้องระบุไว้ด้วยวิธีใดวิธีหนึ่ง

ในทางสถิติชุดข้อมูลมักจะมาจากการสังเกตจริงที่ได้จากการสุ่มตัวอย่างประชากรทางสถิติและแต่ละแถวจะสอดคล้องกับการสังเกตในองค์ประกอบหนึ่งของประชากรนั้น ชุดข้อมูลอาจถูกสร้างขึ้นโดยอัลกอริทึมเพื่อวัตถุประสงค์ในการทดสอบซอฟต์แวร์ บางประเภท ซอฟต์แวร์วิเคราะห์ทางสถิติสมัยใหม่บางตัว เช่นSPSSยังคงนำเสนอข้อมูลในรูปแบบชุดข้อมูลแบบคลาสสิก หากข้อมูลขาดหายหรือมีข้อสงสัยอาจใช้วิธีการเติมข้อมูล เพื่อทำให้ชุดข้อมูลสมบูรณ์ ^{[ 5 ]}

ชุดข้อมูลถูกนำไปใช้อย่างกว้างขวางในหลากหลายสาขาเพื่อสนับสนุนการวิเคราะห์ข้อมูล การวิจัย และการตัดสินใจ ในด้านวิทยาศาสตร์ ชุดข้อมูลเป็นรากฐานเชิงประจักษ์สำหรับการศึกษาในสาขาต่างๆ เช่นชีววิทยาฟิสิกส์และสังคมศาสตร์ทำให้เกิดการค้นพบใหม่ๆ ในด้านการแพทย์ วิทยาศาสตร์สิ่งแวดล้อม และการวิจัยทางสังคม ในด้าน การเรียนรู้ ของเครื่องจักรและปัญญาประดิษฐ์ชุดข้อมูลมีความสำคัญอย่างยิ่งสำหรับการฝึกฝน การตรวจสอบ และการทดสอบอัลกอริทึมสำหรับงานต่างๆ เช่น การจดจำภาพ การประมวลผลภาษาธรรมชาติ และการสร้างแบบจำลองเชิงพยากรณ์ รัฐบาลและองค์กรต่างๆ เผยแพร่ชุดข้อมูลแบบเปิดเพื่อส่งเสริมความโปร่งใส แจ้งข้อมูลแก่การกำหนดนโยบาย และอำนวยความสะดวกในการวางแผนเมืองและสังคม ภาคธุรกิจใช้ชุดข้อมูลสำหรับการวิเคราะห์ตลาด การแบ่งกลุ่มลูกค้า และการปรับปรุงการดำเนินงาน นอกจากนี้ การดูแลสุขภาพยังอาศัยชุดข้อมูลสำหรับการวิจัยทางคลินิกและการปรับปรุงผลลัพธ์ของผู้ป่วย การใช้งานที่หลากหลายเหล่านี้แสดงให้เห็นถึงบทบาทสำคัญของชุดข้อมูลในการช่วยให้เกิดข้อมูลเชิงลึกที่อิงตามหลักฐานและขับเคลื่อนความก้าวหน้าทางเทคโนโลยี

มีการใช้ชุดข้อมูลคลาสสิกหลายชุดอย่างแพร่หลายใน งานวิจัย ทางสถิติ :

• ชุดข้อมูลดอกไอริส – ชุดข้อมูลหลายตัวแปรที่แนะนำโดยRonald Fisher (1936) ^{[ 1 ]} จัดทำออนไลน์โดย คลังข้อมูลการเรียนรู้ของเครื่องจักรของมหาวิทยาลัยแคลิฟอร์เนีย-เออร์ไวน์^{[ 6 ]}
• ฐานข้อมูล MNIST – ภาพตัวเลขเขียนด้วยมือที่ใช้กันทั่วไปในการทดสอบอัลกอริธึมการจำแนก การจัดกลุ่ม และ การประมวล ผลภาพ
• การวิเคราะห์ข้อมูลเชิงหมวดหมู่ – ชุดข้อมูลที่ใช้ในหนังสือ An Introduction to Categorical Data Analysisซึ่งโดย UCLA Advanced Research Computingทางออนไลน์^{[ 7 ]}
• สถิติที่แข็งแกร่ง – ชุดข้อมูลที่ใช้ในการถดถอยที่แข็งแกร่งและการตรวจจับค่าผิดปกติ ( Rousseeuwและ Leroy, 1968)มีให้บริการทางออนไลน์ที่มหาวิทยาลัยโคโลญ ^{[ 8 ]}
• อนุกรมเวลา – ข้อมูลที่ใช้ในหนังสือ The Analysis of Time Series ของ Chatfield มีให้บริการทางออนไลน์โดย StatLib ^{[ 9 ]}
• ค่าสุดขั้ว – ข้อมูลที่ใช้ในหนังสือ “ An Introduction to the Statistical Modeling of Extreme Values”เป็นข้อมูล ณ ขณะนั้น ซึ่งได้มาจาก Stuart Colesผู้เขียนหนังสือเล่มนี้ ที่ได้ให้ข้อมูลไว้ทางออนไลน์
• การวิเคราะห์ข้อมูลแบบเบย์เซียน – ข้อมูลที่ใช้ในหนังสือเล่มนี้มีให้ดาวน์โหลดทางออนไลน์ ( ลิงก์เก็บถาวร ) โดยแอนดรูว์ เกลแมนหนึ่งในผู้เขียนหนังสือเล่มนี้
• ข้อมูลตับของ Bupa – ถูกนำไปใช้ในงานวิจัยหลายฉบับใน สาขา การเรียนรู้ของเครื่อง (การขุดค้นข้อมูล)
• ชุดข้อมูล Anscombe's quartet – ชุดข้อมูลขนาดเล็กที่แสดงให้เห็นถึงความสำคัญของการสร้างกราฟข้อมูลเพื่อหลีกเลี่ยงข้อผิดพลาดทางสถิติ

• รายชื่อชุดข้อมูลสำหรับการวิจัยด้านการเรียนรู้ของเครื่อง
• รายชื่อชุดข้อมูลในด้านคอมพิวเตอร์วิชั่นและการประมวลผลภาพ
• การผสมผสานข้อมูล
• ข้อมูล (วิทยาการคอมพิวเตอร์)
• การสุ่มตัวอย่าง
• ที่เก็บข้อมูล
• ความสามารถในการทำงานร่วมกัน
• ระบบรวบรวมข้อมูล

• Data.gov – ข้อมูลเปิดของรัฐบาลสหรัฐอเมริกา
• ระบบแลกเปลี่ยนข้อมูลด้านมนุษยธรรม (HDX) – ระบบแลกเปลี่ยนข้อมูลด้านมนุษยธรรม (HDX) เป็น แพลตฟอร์ม การแบ่งปันข้อมูล ด้านมนุษยธรรมแบบเปิด ซึ่งบริหาร จัดการโดยสำนักงานประสานงานด้านมนุษยธรรมแห่งสหประชาชาติ
• ข้อมูลเปิดของนครนิวยอร์ก – ข้อมูลสาธารณะฟรีที่เผยแพร่โดยหน่วยงานต่างๆ ของนครนิวยอร์กและพันธมิตรอื่นๆ
• คลังข้อมูลเชิงสัมพันธ์ถูกเก็บถาวรเมื่อวันที่ 7 มีนาคม 2018 ที่Wayback Machine
• Research Pipeline – วิกิ/เว็บไซต์ที่มีลิงก์ไปยังชุดข้อมูลในหัวข้อต่างๆ มากมาย
• คลังข้อมูล StatLib–JASA
• UCI – คลังเก็บข้อมูลการเรียนรู้ของเครื่องจักร
• ข้อมูลสาธารณะของรัฐบาลสหราชอาณาจักร
• ข้อมูลเปิดของธนาคารโลก – การเข้าถึงข้อมูลด้านการพัฒนาทั่วโลกโดยธนาคารโลก ได้อย่างเสรีและเปิดเผย