2024.11.29

数据集信息

1.

数据集名称	14,400 首经典摇滚曲目
来源	https://www.kaggle.com/datasets/thebumpkin/14400-classic-rock-tracks-with-spotify-data
数据集描述	该数据集涵盖了 1962 年至 2024 年的经典摇滚音乐。包含 94 位艺术家的完整录音室专辑、1,200 张独特专辑和 14,400 首曲目，以及每首曲目的元数据和 Spotify 音频特征。
样本数（大小）	14,400	属性个数	18		属性值取值范围	属性包括曲目名称、艺术家、专辑、发行年份、Spotify 音频特征（如节奏、音调、舞蹈性等）
标签数量	无特定标签字段（但可以通过专辑、艺术家等字段进行分类）	标签值\取值范围		可选择基于艺术家、专辑、年份或音频特征进行分类等任务
样本举例	1. 曲目名称: Stairway to Heaven, 艺术家: Led Zeppelin, 专辑: Led Zeppelin IV, 年份: 1971, 音频特征: [BPM, Valence, Energy, etc.] 2. 曲目名称: Hotel California, 艺术家: Eagles, 专辑: Hotel California, 年份: 1976, 音频特征: [BPM, Valence, Energy, etc.] 3. 曲目名称: Bohemian Rhapsody, 艺术家: Queen, 专辑: A Night at the Opera, 年份: 1975, 音频特征: [BPM, Valence, Energy, etc.]
面向任务	1. 分类: 根据艺术家、年份、专辑分类 2. 回归: 预测曲目流行度、音频特征值 3. 聚类: 根据相似音频特征或艺术家类型进行曲目聚类 4. 识别: 识别特定艺术家或曲目风格

 

2.

数据集名称	MBA 录取数据集
来源	https://www.kaggle.com/datasets/taweilo/mba-admission-dataset
数据集描述	此该数据集是基于沃顿商学院 2025 届 MBA 录取的合成数据，包含考生的学术成绩、GMAT 分数、工作经验、申请状态等信息。可用于分析 MBA 录取的影响因素。
样本数（大小）	500-1000 个样本	属性个数	5-10 个属性（包括考生 GPA、GMAT 分数、工作年限、性别、申请状态等）		属性值取值范围	例如：GPA（0-4）、GMAT（200-800）、工作经验（0-20 年）、申请状态（录取/拒绝）等
标签数量	1 个标签字段	标签值\取值范围		申请状态（录取/拒绝）
样本举例	1. GPA: 3.8, GMAT: 720, 工作经验: 5 年, 性别: 男, 申请状态: 录取 2. GPA: 3.2, GMAT: 680, 工作经验: 2 年, 性别: 女, 申请状态: 拒绝 3. GPA: 3.6, GMAT: 710, 工作经验: 4 年, 性别: 男, 申请状态: 录取
面向任务	1. 分类: 预测申请者是否会被录取 2. 回归: 根据 GPA、GMAT、工作经验等预测录取的概率 3. 聚类: 基于申请者特征（如 GPA 和 GMAT）对申请者进行分组 4. 识别: 识别录取成功的关键因素

 

3.

数据集名称	全球黑钱交易数据集
来源	https://www.kaggle.com/datasets/waqi786/global-black-money-transactions-dataset
数据集描述	该数据集提供多个国家/地区黑钱交易的详细信息，包含交易金额、风险评分、交易时间、地理位置等属性，用于分析非法金融活动及相关犯罪模式。
样本数（大小）	5000-10000 条交易记录（推测，根据非法交易数据的规模）	属性个数	10-15 个属性（例如：交易金额、交易时间、国家/地区、风险评分、交易渠道等）		属性值取值范围	交易金额（少量到大额）、风险评分（0-100）、交易时间（时间戳）、国家代码（ISO 国家代码）等
标签数量	1 个标签字段（用于标记交易是否合法或可疑）	标签值\取值范围		10-15 个属性（例如：交易金额、交易时间、国家/地区、风险评分、交易渠道等）
样本举例	1. 交易金额: $10,000, 国家: US, 风险评分: 85, 交易时间: 2023-03-21 14:30:00, 交易类型: 高风险转账 2. 交易金额: $500, 国家: IN, 风险评分: 20, 交易时间: 2023-06-11 09:12:00, 交易类型: 低风险交易 3. 交易金额: $2,500,000, 国家: CN, 风险评分: 95, 交易时间: 2022-11-05 18:45:00, 交易类型: 高风险转账
面向任务	1. 分类: 预测交易是否合法或可疑 2. 回归: 预测交易的风险评分 3. 聚类: 基于交易金额、风险评分等属性对交易模式进行聚类 4. 识别: 识别高风险的金融交易