HitCompanies Datasets：HitCompanies随机取样的1万个英国公司全面的数据，采用人工智能/机器学习进行自动更新。
ICWSM-2009 dataset：包含2008年8月1日到10月1日之间的4400万个博文
Infochimps：一个数据开放的目录和集合，允许分享、出售和下载关于任何内容的数据。
Investor Links：包含财物数据
KDD Cup center：数据、工作表和结果
Kevin Chai list of datasets：文本、SNA和其他领域
KONECT：科布伦茨网络收集，拥有大量各种类型的网络数据集，以便在网络挖掘领域进行研究。
Linking Open Data 工程，免费向所有人提供数据
MIT Cancer Genomics gene expression datasets and publications：来自麻省理工Whitehead Center用于基因组研究
ML Data：欧盟Pascal2网络数据储存库
NASDAQ Data Store：提供市场数据
National Government Statistical Web Sites：来自大约70个网站的数据、报告、统计年鉴、新闻和其他，包括非洲、欧洲、亚洲和拉丁美洲的国家。
National Space Science Data Center (NSSDC)：美国国家航空航天局的数据集，包含行星探索、空间和太阳物理学、生命科学、天体物理学以及其他方面。
Open Data Census：评估世界各地的开放数据的状态。
OpenData from Socrata：允许访问超过10000个数据集，包括商业、教育、政府和娱乐
Open Source Sports：大量运动数据库，包括棒球、足球、篮球和曲棍球
Peter Skomoroch dataset Bookmarks PubGene(TM) Gene Database and Tools：基因组有关的出版物数据库
Quandl, a collaboratively curated portal to millions of financial and economic time-series datasets.
qunb：一个用来发现和可视化的数据资料的平台
Robert Schiller data：住房建筑、股票市场和更多的来自于他的书 Irrational Exuberance的数据
SMD: Stanford Microarray Database,存储来自微阵列实验的原始的和标准的数据
Jerry Smith dataset collection：财经、政府、机器学习、科学和其他数据
SourceForge.net Research Data：包含大约10万个项目和超过100万注册用户的活动的历史和现状的统计数据的项目管理网站。
StatLib,卡内基梅隆大学数据档案
STATOO Datasets part 1和 STATOO Datasets part 2
Time Series Data Library
Visual Analytics Benchmark Repository.
UCI KDD Database Repository ：适用于机器学习和知识发现研究的大数据集
UCI Machine Learning Repository.
UCR Time Series Data Archive：提供数据集、论文、链接和代码
United States Census Bureau.
Wikiposit：一个（虚拟的）融合了来自许多不同网站的数据（大多数是金融的），允许用户合并来自不同来源的数据
Wolfram Alpha disease and patient level dat.
Yahoo Sandbox datasets：语言、图表、评级、广告与营销、竞赛
Yelp Academic Dataset：30家大学的250个最接近商业的所有数据和评论，为学生和学者来探讨和研究
199IT编译自http://www.bigdata-madesimple.com/70-websites-to-get-large-data-repositories-for-free/