UCI数据集是一个常用的标准测试数据集，下载地址在
http://www.ics.uci.edu/~mlearn/MLRepository.html

http://archive.ics.uci.edu/ml/datasets/Localization+Data+for+Person+Activity

http://archive.ics.uci.edu/ml/index.html

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：
http://www.cs.waikato.ac.nz/ml/weka/
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。

from:http://apps.hi.baidu.com/share/detail/22391013

近似最近邻查询的数据集下载：

Datasets for approximate nearest neighbor search
http://corpus-texmex.irisa.fr/
这里还有好多图象数据集：
http://lear.inrialpes.fr/~jegou/data.php

这里有一些地球环境数据集

http://explore.data.gov/Geography-and-Environment/EPA-FRS-Facilities-Combined-File-CSV-Download-for-/czc2-wmpn