这是一个围绕着客户撰写的评论的女装电子商务数据集。 该数据集包括23486行和10个特征变量。每行对应一个客户评论，并包含以下变量： Clothing ID：整数，涉及正在查看的特定作品的分类变量。 Age：正整数变量，评论者年龄。 Title：字符串变量，评论标题。 Review Text：字符串变量，评论正文。 Rating：正序整数变量，客户授予的产品评分，从1最差，到5最佳。 Recommended IND：二进制变量，说明客户推荐产品的二进制变量，推荐1，不推荐0。 Positive Feedback Count：正整数，记录发现此评论为正向的其他客户的数量。 Division Name：产品高级部门的分类名称。 Department Name：产品部门名称的分类名称。 Class Name：产品类名称的分类名称。 数据集来自https://www.kaggle.com/nicapotato/womens-ecommerce-clothing-reviews

信用卡公司必须能够识别出欺诈性的信用卡交易，以免向客户收取未购买商品的费用，这一点很重要。 该数据集包含了2013年9月欧洲持卡人的信用卡交易，显示了两天内发生的交易，其中284,807笔交易中有492笔欺诈。数据集高度不平衡，阳性类别(欺诈)占所有交易的0.172%。 它只包含数字输入变量，这是一个PCA变换的结果。不幸的是，由于保密问题，我们不能提供原始特征和更多的背景信息的数据。特征V1, V2,…… V28是通过PCA得到的主成分，唯一没有经过PCA变换的特征是‘Time’和‘Amount’。特性“Time”包含每个事务与数据集中第一个事务之间经过的秒数。功能“Amoun”是交易金额，该功能可用于依赖于示例的成本敏感学习。Feature 'Class'是响应变量，在欺诈的情况下取值1，否则取值0。 数据集来自https://www.kaggle.com/mlg-ulb/creditcardfraud

本图像库包含标记的水果图像以训练目标检测系统。 训练文件夹中包含240张图像。测试文件夹中有60张图像。 该图像库转载自：https://www.kaggle.com/mbkinaci/fruit-images-for-object-detection

该存储库包含带有标签的从Google图片拍摄的枪支图像。 Images文件夹具有jpeg格式的图像。Labels文件夹中包含txt文件，其中每个文件的第一行包含相应图像中对象的数量，下一行包含描述对象的坐标。 该图像集转载自：https://www.kaggle.com/issaisasank/guns-object-detection

该数据集转载自：https://www.kaggle.com/tannergi/microcontroller-detection

该数据集包含电动巴士和电动汽车的图像，数量大约为2000。 该图像集转载自：https://www.kaggle.com/positivepc/object-detection