这是卖家的营销渠道数据集，填写了在Olist Store上销售其产品的联系请求。该数据集包含2017年6月1日至2018年6月1日之间要求联系的8k市场营销合格线索（MQL）的信息。它们是从MQL总数中随机抽取的。 它的功能允许从多个维度查看销售过程：潜在客户类别，目录大小，行为概况等。 这是真实数据，已被匿名处理并从原始数据集中采样。 数据集来自https://www.kaggle.com/olistbr/marketing-funnel-olist

这些数据每隔几个月就会被提取一次，它包含了Craigslist提供的大部分汽车销售相关信息，包括价格、条件、制造商、纬度/经度和其他18个类别等列。 数据集来自https://www.kaggle.com/austinreese/craigslist-carstrucks-data

数据集介绍： 该数据集包含18K个职位描述，其中约800个是伪造的。 数据包括文本信息和有关作业的元信息。 数据集可用于创建分类模型，该分类模型可学习发布的职位信息是否真实。 本数据集转载自： https://www.kaggle.com/shivamb/real-or-fake-fake-jobposting-prediction

数据集介绍： 从第1代到第7代的所有神奇宝贝的图像，以及它们的类型（主要和次要）作为csv。 数据集合并其他信息，例如移动，生成，强/弱等，并对图像进行了分类。 本数据集转载自：https://www.kaggle.com/vishalsubbiah/pokemon-images-and-types

数据集介绍： 该数据集用于训练CrowdFlower AI性别预测器。要求参与者仅查看Twitter的个人资料并判断用户是男性，女性还是品牌（非个人）。 数据集包含20,000行，每个行都有一个用户名，帐户个人资料和图像，位置，甚至是链接和侧边栏颜色。 数据集内容： unitid：用户的唯一ID unitstate：观察状态 gender：男性，女性或品牌之一（用于非人类的个人资料） profile_yn：“否”在这里似乎意味着该配置文件是数据集的一部分，但是当贡献者去判断它时不可用 created：创建配置文件的日期和时间 description：用户的个人资料描述 fav_number：用户收藏的推文数 name：用户名 profileimage：个人资料图像的链接 retweet_count：用户转发（或可能转发）的次数 sidebar_color：配置文件侧边栏的颜色，以十六进制值表示 text：用户的任意一条推文的文本 tweet_coord：如果用户打开了位置信息，则坐标为字符串，格式为“ [ latitude，longitude ]” tweet_count：用户已发布的推文数量 tweet_created：创建随机tweet（在文本列中）时 tweet_id：随机tweet的tweet id tweet_location：tweet的位置，没有被特别规范化 user_timezone：用户的时区 本数据集转载自： https://www.kaggle.com/crowdflower/twitter-user-gender-classification