该数据集是在kaggle数据网站上获取，其网址为https://www.kaggle.com/benroshan/factors-affecting-campus-placement，该数据集是Jain University Bangalore的Dhimant Ganatara博士提供的，主要研究的是影响就业的学术和就业因素。
标签解释：
| 数据标签 | 标签解释 |
|---|---|
| sl_no(序列号) | 这里即是指学生编号 |
| gender(性别) | 学生性别 |
| ssc_p(中学教育程度-十年级) | 这里就是指中学课程均分 |
| ssc_b(中学教育委员会) | 这里可以理解为中学是中央直属或者地方归属 |
| hsc_p(高中教育百分比-十二年级) | 这里指高中课程学习状况 |
| hsc_b(高中教育委员会) | 高中为中央直属或者地方归属 |
| hsc_s(高中专业化) | 高中的专业方向 |
| degree_p(学位百分比) | 本科课程平均成绩 |
| degree_t(学士学位领域) | 本科毕业学位类别 |
| workex(工作经验) | 有无工作经验 |
| etest_p(就业能力测试) | 由大学进行的就业能力测评 |
| specialisation(MBA毕业专业) | 获得MBA学位的专业方向 |
| mba_p(工商管理硕士百分比) | 读MBA课程平均成绩 |
| status(就业状况) | 获取MBA学位后就业状况 |
| salary(就职薪水) | 就业薪水 |
本篇文章着重依据上述数据集，在学术与专业能力方面研究，从三个角度层层递进对一个就业数据集进行挖掘，首先利用皮尔逊假设检验和相关系数矩阵初探各个特征与就业状况的相关性，接着利用lasso 回归过 滤掉对就业状况影响甚微的特征，最后利用支持向量机、随机森林、lasso 回归对学生就业状况及薪资进行分类与回归的研究。分析发现，根据学术水平能够判断一个学生是否就业，但难以估计其薪资。