SilaoGames/github_data_commits_v4

---
dataset_info:
features:
- name: sha
dtype: string
- name: repo_name
dtype: string
- name: is_ml
dtype: int64
- name: original_repo_id
dtype: int64
- name: stargazers_count
dtype: int64
- name: forks_count
dtype: int64
- name: created_at
dtype: string
- name: default_branch
dtype: string
- name: message
dtype: string
- name: author
dtype: string
- name: date
dtype: string
- name: files_changed
list:
- name: filename
dtype: string
- name: patch
dtype: string
- name: status
dtype: string
- name: added_imports
list: string
- name: removed_imports
list: string
- name: dependency_changes
list:
- name: filename
dtype: string
- name: patch
dtype: string
- name: status
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 730504626
num_examples: 35461
download_size: 231696051
dataset_size: 730504626
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：SHA哈希值（sha），数据类型：字符串
- 字段名：仓库名称（repo_name），数据类型：字符串
- 字段名：是否为机器学习相关项目（is_ml），数据类型：64位整数
- 字段名：原始仓库ID（original_repo_id），数据类型：64位整数
- 字段名：星标数（stargazers_count），数据类型：64位整数
- 字段名：分叉数（forks_count），数据类型：64位整数
- 字段名：创建时间（created_at），数据类型：字符串
- 字段名：默认分支（default_branch），数据类型：字符串
- 字段名：提交信息（message），数据类型：字符串
- 字段名：提交作者（author），数据类型：字符串
- 字段名：提交日期（date），数据类型：字符串
- 字段名：变更文件列表（files_changed），其内部子字段包括：
- 字段名：文件名（filename），数据类型：字符串
- 字段名：补丁内容（patch），数据类型：字符串
- 字段名：变更状态（status），数据类型：字符串
- 字段名：新增导入项列表（added_imports），元素类型为字符串
- 字段名：移除导入项列表（removed_imports），元素类型为字符串
- 字段名：依赖变更列表（dependency_changes），其内部子字段包括：
- 字段名：文件名（filename），数据类型：字符串
- 字段名：补丁内容（patch），数据类型：字符串
- 字段名：变更状态（status），数据类型：字符串
- 字段名：索引级别0（__index_level_0__），数据类型：64位整数
数据集划分：
- 划分名称：训练集（train），占用字节数：730504626，样本数量：35461
下载总大小：231696051字节
数据集总存储大小：730504626字节
配置项：
- 配置名称：默认配置（default），数据文件配置：
- 对应训练集划分，文件路径为data/train-*