OBF/xcodeeval_builderr_pred

该数据集包含多种编程语言（C、C++、Go、Java、Python、Rust）的源代码数据，每个语言的配置包含源代码和标签两个特征。数据集分为训练集、验证集和测试集，并提供了每个数据集的大小、下载大小和样本数量。

This dataset contains source code data for multiple programming languages (C, C++, Go, Java, Python, Rust). Each language configuration includes two features: source code and labels. The dataset is divided into training, validation, and test sets, and provides the size, download size, and number of samples for each dataset.

原始信息汇总

数据集概述

数据集配置

C语言

• 特征:
  • source_code: 字符串类型
  • label: 64位整数类型
• 分割:
  • train: 189118个样本，167611205.0字节
  • validation: 576个样本，506403.0字节
  • test: 2907个样本，2598174.0字节
• 下载大小: 72938939字节
• 数据集大小: 170715782.0字节

C++语言

• 特征:
  • source_code: 字符串类型
  • label: 64位整数类型
• 分割:
  • train: 250000个样本，443439508.2346751字节
  • validation: 856个样本，1775236.0字节
  • test: 4243个样本，7427562.0字节
• 下载大小: 203803331字节
• 数据集大小: 452642306.2346751字节

Go语言

• 特征:
  • source_code: 字符串类型
  • label: 64位整数类型
• 分割:
  • train: 53561个样本，72095494.0字节
  • validation: 212个样本，163305.0字节
  • test: 814个样本，603343.0字节
• 下载大小: 32010271字节
• 数据集大小: 72862142.0字节

Java语言

• 特征:
  • source_code: 字符串类型
  • label: 64位整数类型
• 分割:
  • train: 250000个样本，802830956.602289字节
  • validation: 1000个样本，2827943.0字节
  • test: 5000个样本，13551754.0字节
• 下载大小: 287770467字节
• 数据集大小: 819210653.602289字节

Python语言

• 特征:
  • source_code: 字符串类型
  • label: 64位整数类型
• 分割:
  • train: 250000个样本，158562789.12901285字节
  • validation: 530个样本，254939.0字节
  • test: 2451个样本，1330880.0字节
• 下载大小: 69587210字节
• 数据集大小: 160148608.12901285字节

Rust语言

• 特征:
  • source_code: 字符串类型
  • label: 64位整数类型
• 分割:
  • train: 52449个样本，266755615.0字节
  • validation: 94个样本，168425.0字节
  • test: 324个样本，610863.0字节
• 下载大小: 97210647字节
• 数据集大小: 267534903.0字节

数据文件路径

C语言

• train: c/train-*
• validation: c/validation-*
• test: c/test-*

C++语言

• train: cpp/train-*
• validation: cpp/validation-*
• test: cpp/test-*

Go语言

• train: go/train-*
• validation: go/validation-*
• test: go/test-*

Java语言

• train: java/train-*
• validation: java/validation-*
• test: java/test-*

Python语言

• train: python/train-*
• validation: python/validation-*
• test: python/test-*

Rust语言

• train: rust/train-*
• validation: rust/validation-*
• test: rust/test-*