适合于数据增量学习和类别增量学习的非图像类数据集有哪些

适合于数据增量学习和类别增量学习的非图像类数据集有很多，以下是一些常见的数据集：

1. Online News Popularity Dataset：这是一个包含了新闻文章的多个特征，如作者、标题、发布时间等等，以及文章分享数的数据集。适合用于数据增量学习和分类任务。

2. KDD Cup 1999 Dataset：这是一个用于网络入侵检测的数据集，包含了网络连接的多个特征，如源 IP、目标 IP、连接持续时间等等。适合用于数据增量学习和异常检测任务。

3. Forest Cover Type Dataset：这是一个用于森林覆盖类型分类的数据集，包含了森林地形、植被类型等多个特征。适合用于类别增量学习任务。

4. EEG Eye State Dataset：这是一个用于脑电波信号分类的数据集，包含了大量的脑电波信号特征。适合用于数据增量学习和分类任务。

5. Higgs Boson Dataset：这是一个用于粒子物理学分类任务的数据集，包含了多个粒子物理学特征。适合用于数据增量学习和分类任务。

以上只是一些常见的非图像类数据集，还有很多其他的数据集，例如信用评分数据集、股票价格数据集、音乐流派分类数据集等等。