数据集背景： 许多人报名参加公司培训，公司想知道这些候选人中哪些人在培训或寻找新工作后真的想为公司工作，从而降低培训的成本和时间，提高培训的质量，规划课程和候选人的分类。 数据集介绍： 本数据集旨在了解导致一个人离开当前工作的因素。通过使用当前资历、人口统计、经验数据的模型，预测应聘者寻找新工作和将为公司工作的可能性，并解释员工决策的影响因素。 整个数据集分为训练数据和测试数据两部分。 特征包括： 注册者ID，城市代码，城市发展指数（按比例），候选人性别，应聘者的相关经验，应聘者注册大学课程的类型（如有），应聘者的学历层次，应聘者的专业，应聘者的总经验（年），公司规模（当前雇主所在公司的员工人数），公司类型，上一份新工作（前一份工作和当前工作之间的年差），完成培训时数，目标（0-不找工作变动，1-找工作变动）。 数据集转载自： https://www.kaggle.com/arashnic/hr-analytics-job-change-of-data-scientists

本新闻推荐的数据集是从Microsoft新闻网站的匿名行为日志收集的，从2019年10月12日至11月22日的6周内随机抽样了100万用户，这些用户每人至少点击了5次新闻。 数据集中仅包含训练集和验证集，训练和验证数据都是一个zip压缩文件夹，其中包含四个不同的文件： behaviors.tsv：用户的点击历史和印象日志 news.tsv：新闻文章的信息 entity_embedding.vec：知识图中新闻的实体嵌入 lation_embedding.vec：知识图中实体间的关系的嵌入 behaviors.tsv： Impression ID：展示的ID User ID：用户的匿名ID Time：时间，格式为 "MM/DD/YYYY HH:MM:SS AM/PM" History：该用户的新闻点击历史，按时间排序 Impressions：此新闻列表中用户的点击行为（1-点击，0-非点击） news.tsv： News ID：新闻ID Category：类别 SubCategory：子类别 Title：题目 Abstract：摘要 URL Title Entities (entities contained in the title of this news)：标题实体 Abstract Entities (entites contained in the abstract of this news)：摘要实体

本数据集包括550本书的信息，分为小说和非小说两类。 数据集转载自：https://www.kaggle.com/sootersaalu/amazon-top-50-bestselling-books-2009-2019