Advertisement

[Real or Fake] 伪造职位发布的预测 - 数据集

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集旨在识别和预测虚假职位发布，通过收集各类招聘信息，分析其特征以区分真实与伪造，帮助求职者规避风险。 该数据集包含18K个职位描述，其中约800个是伪造的。数据包括文本信息以及有关作业的元信息。此数据集可用于创建分类模型来识别欺诈性的职位描述。文件名为fake_job_postings.csv。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • [Real or Fake] 伪造职位发布的预测 - 数据集
    优质
    本数据集旨在识别和预测虚假职位发布，通过收集各类招聘信息，分析其特征以区分真实与伪造，帮助求职者规避风险。 该数据集包含18K个职位描述，其中约800个是伪造的。数据包括文本信息以及有关作业的元信息。此数据集可用于创建分类模型来识别欺诈性的职位描述。文件名为fake_job_postings.csv。
  • 员工离职预测的数据集
    优质
    该数据集旨在预测企业中员工的离职趋势，通过分析影响员工离开公司的各种因素，帮助企业制定更有效的员工保留策略。 员工离职预测数据集主要用于分析影响员工离职的各种因素，并通过历史数据建立模型来预测未来的离职情况。这样的研究可以帮助企业采取预防措施减少优秀人才的流失，提高团队稳定性与工作效率。
  • 员工离职预测数据集
    优质
    该数据集包含企业内部员工信息及历史离职情况，旨在通过分析员工特征和行为模式来预测未来的离职趋势，帮助企业制定有效的人员保留策略。 员工离职预测数据集提供了有关影响员工离职的各种因素的信息，可用于分析并建立模型来预测员工的离职倾向。这些数据可以帮助企业提前采取措施以减少人才流失，并优化人力资源管理策略。
  • 员工离职预测的数据集.rar
    优质
    该数据集包含企业内部员工信息及其是否离职的历史记录，旨在帮助研究者和HR专家建立模型，以提前预测哪些员工可能会选择离开公司。 员工离职预测数据集包含了用于分析和预测员工离职情况的相关数据。这份数据集可以帮助企业更好地理解影响员工离职的因素，并采取相应的措施来降低人员流失率。
  • Glassdoor职位数据分析-数据集
    优质
    该数据集来源于职场社交平台Glassdoor，包含大量关于公司职位的详细信息和员工评价，适用于进行深入的职业分析和市场研究。 Glassdoor是一个网站，现有员工和前员工可以在其中匿名审查公司情况。此外，用户还可以在该平台上匿名提交并查看薪水信息，并搜索和申请工作职位。2018年，该公司被日本的Recruit Holdings以12亿美元的价格收购。公司的总部设在美国加利福尼亚州米尔谷市，在芝加哥、都柏林、伦敦以及圣保罗也设有办事处。
  • 数据（离职率预测）数据库
    优质
    数据_离职率预测数据_是Kaggle平台上一个著名的公开数据集，在人力资源管理领域具有重要价值。该数据集聚焦于员工离职率的预测问题，并包含大量关于员工特征的数据信息。通过分析这些数据信息, 我们可以深入理解影响员工离职的主要因素, 并结合机器学习方法构建有效的预测模型. 本数据集包含以下核心要素: **变量类型与含义** 包括员工满意度, 工作绩效评估, 项目参与度等多个关键指标. 其中, 员工满意度通常以数值或等级形式表示, 反映了员工的心理状态; 工作绩效评估则可能是年度分数或其他评级形式. 此外, 还包含了员工参与项目数量, 平均工作时长等指标. 数据预处理阶段需要对分类变量进行编码处理, 而数值变量则需进行标准化或归一化处理以确保一致性. 缺失值可以通过填充均值或中位数等方法进行合理处理. 在特征工程方面, 可能会创建新的特征指标如工作时长与工作年限比值等. 同时需对异常值进行检测和处理以避免其对模型性能的影响. 模型选择方面针对二分类问题（留岗 vs 离职）可以选择多种算法包括逻辑回归决策树随机森林支持向量机梯度提升机（如XGBoost或LightGBM）以及神经网络等. 在模型训练过程中应采用交叉验证方法来选择最优模型并调优参数以防止过拟合或欠拟合现象的发生. 模型评估指标包括准确率精确率召回率F1分数AUC-ROC曲线以及混淆矩阵等多维度指标来全面衡量模型性能尤其在类别不平衡的情况下需特别关注各类别的表现情况. 模型解释方面可以通过特征重要性分析识别出影响离职的主要因素从而为企业制定人力资源策略提供科学依据. 同时利用LIME或SHAP等工具可进一步解析单个预测结果背后的驱动因素为决策提供支持依据.
  • 假位置：伪造地点
    优质
    假位置：伪造地点探讨了在数字时代中人们使用技术手段隐藏或修改自己的实际地理位置的行为、原因及其社会影响。 Fake Location 是一款专为开发人员设计的调试工具，用于模拟位置、WIFI以及设备环境数据以帮助测试相关应用的功能。大部分功能需要在ROOT权限下运行。 软件特性如下： - 支持在 ROOT 环境中运行，并且具有较高的模拟成功率；同时也支持免ROOT模式（但仅对少数应用程序有效）。 - 兼容 Android P/Q/R系统版本 - 提供摇杆控制方式以实现位置移动的动态调整，同时会根据手机的实际朝向自动调节方向。 - 可设置多种速度级别来模拟步行、跑步、骑行、驾车及飞行等不同场景，并允许用户自定义输入特定的速度值。 - 具备基站信号模拟功能，能够搜索并匹配目标地点附近的无线网络信息。 - 能够进行路线规划与步频调整等功能的仿真测试。 - 支持独立位置数据生成和GPS信号仿真的操作模式切换。 - 用户可以设置不同频率的位置更新速度，并快速地在多个预设坐标间来回切换。 - 还提供了一个保存当前位置的功能，方便用户随时返回之前的模拟环境。 请注意：ROOT权限下的功能可能无法确保适用于所有情况。
  • 大数据职位招聘数据集.rar
    优质
    该资源为包含多个企业发布的大数据相关职位招聘信息的数据集合，涵盖技能要求、岗位职责等信息，适合进行数据分析和挖掘研究。 大数据招聘岗位数据集.rar
  • DeeperForensics-1.0: [CVPR 2020] 真实世界人脸伪造检测的大型数据集
    优质
    DeeperForensics-1.0是CVPR 2020提出的一个大规模数据集，专注于真实世界中的人脸伪造视频检测技术的研究与应用。 我们介绍了一个正在建立的用于人脸伪造检测的大规模基准测试的数据集DeeperForensics-1.0。这是该领域迄今为止最大的数据集之一，包含60,000个视频，总计约1760万帧，是现有同类数据集中规模的十倍以上。 为了构建这个基准测试，我们采用了广泛的真实世界扰动来提高数据集的多样性和挑战性。所有源视频均被仔细收集，并通过新提出的端到端人脸交换框架生成假视频。经过用户研究验证，这些生成的视频在质量上优于现有数据集中同类内容。 此外，该基准还包括一个隐藏测试集，其中包含了一些在人类评估中得分较高的欺骗性操纵视频。