vikp/code_search_net_filtered_34k

该数据集是Code Search Net Python子集的过滤版本，过滤标准包括有/无文档字符串的困惑度、学习价值/质量分类器以及手动过滤。原始数据来源于bjoernp的Code Search Net Python处理版本。

原始信息汇总

数据集概述

许可证

• CC BY 4.0

数据集信息

特征

• code: 类型为字符串
• signature: 类型为字符串
• docstring: 类型为字符串
• loss_without_docstring: 类型为浮点数 (float64)
• loss_with_docstring: 类型为浮点数 (float64)
• factor: 类型为浮点数 (float64)
• rendered: 类型为字符串
• quality_prob: 类型为浮点数 (float64)
• learning_prob: 类型为浮点数 (float64)

数据分割

• train: 包含34488个样本，占用59688305.816243604字节

数据大小

• 下载大小: 30704027字节
• 数据集大小: 59688305.816243604字节

配置

• default: 数据文件路径为data/train-*

数据集描述

• 该数据集是经过筛选的code search net python子集，筛选基于带/不带docstring的困惑度、学习价值/质量分类器以及手动筛选。