Data & Resources
Kaggle 资料领取与数据集指南
数据集不是一个下载按钮。使用前需要读懂来源、字段、许可证、版本和质量；进入建模后，还要保证处理过程可追溯、验证不泄漏、结果可引用。
Dataset sources
先区分数据从哪里来
来源不同，可信度、维护方式和使用边界也不同。数据能下载，不代表能在任何场景使用。
竞赛数据
由目标比赛提供，使用范围和保存方式受该场比赛规则约束，不能默认用于其他项目或公开分享。
社区数据集
由个人或组织上传，应检查创建者、原始来源、许可证、更新记录和社区反馈。
官方或机构数据
仍需核对发布机构的使用条款、更新周期、字段定义和是否存在再分发限制。
Meta Kaggle
Kaggle 提供的平台公开元数据，可用于研究竞赛、数据集、用户和活动结构；具体表与使用说明以其数据页为准。
Dataset card
下载之前读完一张数据卡
把以下答案写进项目 README 或数据说明，避免团队成员对同一字段有不同理解。
- ✓样本单位
每一行或每个文件代表什么对象，是否存在同一对象的多次观测。
- ✓目标与标签
标签如何产生、何时产生、是否带有延迟或人工标注偏差。
- ✓字段语义
类型、单位、取值范围、缺失含义、主键和表之间的关系。
- ✓采样范围
数据来自什么时间、地区和人群，训练与实际使用场景是否一致。
- ✓许可证
是否允许研究、商业、修改和再分发，是否要求署名或相同方式共享。
- ✓版本记录
当前版本、更新时间、变化内容和本地文件校验信息。
Data in context
数据、代码与社区信息要放在同一语境里
数据页说明内容和来源，Notebook 展示处理方法，讨论区补充问题与澄清；三者都不能替代许可证和竞赛规则。
Exploration route
六步完成第一轮数据探索
EDA 的目标不是生成最多图表，而是找出会影响验证、建模和提交的事实。
- 01
盘点文件与关系
列出文件、大小、表结构、主键和连接关系。
- 02
检查类型与范围
识别数值、类别、时间、文本和嵌套字段，核对单位和异常取值。
- 03
检查缺失与重复
区分真实缺失、未采集、未知和不适用，定位重复样本与实体泄漏。
- 04
观察目标分布
检查类别比例、长尾、零膨胀、极端值和不同群体差异。
- 05
比较训练与测试
查找时间、来源、类别和字段范围差异，为验证划分提供依据。
- 06
形成风险清单
记录泄漏、偏差、许可证、版本和不可解释字段，决定下一轮验证。
Data governance
许可证、版本和引用是分析的一部分
这些工作不会直接提高分数，但决定项目是否可复现、可分享和可持续。
许可证不是备注
没有明确许可证时，不应假设可以任意再分发或商业使用；竞赛数据还要同时遵守比赛规则。
版本需要可追溯
记录下载日期、版本号、文件哈希或来源链接。数据更新后重新检查字段、行数和验证影响。
引用要能回到源头
公开 Notebook、报告或作品集应按页面要求引用创建者、原始来源和相关代码。
敏感信息要最小化
避免收集或暴露不必要的个人信息；对可识别字段、地理位置和组合风险保持谨慎。
Dataset FAQ
数据集与资料领取常见问题
具体数据集的许可和更新状态始终以对应页面为准。
Kaggle 上的数据都可以免费商用吗？
数据下载后可以重新上传吗？
如何判断数据质量？
Meta Kaggle 是什么？
可以领取哪些资料？
Resource request
按参赛阶段领取资料
请说明目标比赛、当前阶段和希望解决的问题，我们会优先匹配最接近的检查清单，而不是发送一堆无关文件。