基於開源協議，慧源平臺“互聯網機器學習數據庫”集中揭示了26個來自Kaggle的開源數據集。而提到大名鼎鼎的 Kaggle（https://www.kaggle.com/）𓀊，你一定不陌生吧！它是由聯合創始人、首席執行官Anthony Goldbloom於2010年在墨爾本正式創立，主要為公司和數據科學家提供舉辦機器學習競賽、托管數據庫、編寫和分享代碼的一個平臺。目前平臺已經吸引了80萬名數據科學家🦈。在慧源平臺，你既能看到這26個數據集的中文元數據信息，同時還可以很方便地查找並下載你所需的數據集。

    本期將重點介紹其中9個數據集，快來看看有沒有你需要的那個ta吧🏋🏼！ 

數據集介紹（中）

1 1908年以來空難數據

數據集來自🙆🏻‍♀️：Socrata，收集了從1908年至今全世界空難的完整歷史數據🦹🏼‍♂️，包含空難發生的時間、地點🦄、機型、機上載員和遇難人數等數據。

2 2016年美國總統選舉辯論數據

數據集來自：the University of California，收集了2016年第一季舉行的每次民主黨和共和黨以及共和黨Undercard辯論的數據，包含了辯論者、辯論記錄、時間、地點🧆、黨派等字段。

3 美國假新聞數據

數據集來自⚛️：Megan Risdal，收集了由丹尼爾·西拉德斯基（Daniel Sieradski）的BS Detector Chrome擴展程序標記為“ bullshit”的244個網站所抓取的假新聞的文本和元數據📚。

4 斯坦福問答數據

數據集來自：Stanford University，Stanford Question answer Dataset（SQuAD) 是一個全新的閱讀理解數據集➝，由眾包工作者根據維基百科文章提出的問題組成，其中每個問題的答案都對應閱讀文章的一段文本。SQuAD 包含 500 多篇文章的 10 萬個以上的問答對。

5  某人基因序列數據

數據集來自：Zeeshan-ul-hassan Usmani，為他的DNA遺傳基因序列原始數據，以23andMe作為DNA表型SNP。

6  歷史棒球數據

數據集來自：Lahman’s Baseball Database🍐，其中包含美國職業棒球大聯盟（Major League Baseball）從1871年到2015年的完整擊球和投球統計數據☑️，以及守備數據𓀂、排名🌌☘️、球隊、球場、球員、獎勵、季後賽數據等。

7  2015年航班延誤和取消數據

數據集來自：U.S. Department of Transportation's (DOT) Bureau，包含2015年延誤和取消的航班和機場數據。字段包括航班代碼、名稱、時間、機場代碼、名稱、航班延誤或取消的原因等🌕。

8  美國H1-B簽證申請數據（2011-2016）

數據集來自：Office of Foreign Labor Certification (OFLC) ♥︎，包含2011-2016年的H-1B申請數據，總共約有300萬條記錄，H-1B是美國為外國人提供的非移民工作簽證。字段包括申請簽證狀態、雇主名稱、工作地點坐標、職務🟰、工資𓀙、職業代碼和申請年份👨‍👩‍👧。

9  2013年美國社區統計數據

數據集來自🎀：US Census Bureau，由美國人口普查局每年進行的美國社區普查數據📙，每年調查350萬社區居民，問題包括居民的居住和生活情況，主體包括：籍貫👷、教育、工作、交通🚊、互聯網使用等諸多方面，從不同角度反映了美國居民的生活狀況⏰🧑🏻‍🎓。

使用方法

1 分類瀏覽——互聯網機器學習數據庫𓀈。

2  點擊“查看全文”字段。

3   即可查閱相關信息或進行下載。

如果您無法使用該資源，或在使用平臺時遇到問題💂🏽‍♂️，請隨時聯系我們🤟：

  首推關註並留言微信公眾號：huiyuansharing

  也可以email聯系：ihssd@fudan.edu.cn

  聯系電話👮：021-65642106 / 55664034