数据集概述
本数据集为论文《Exploring Design Smells for Smell-Based Defect Prediction》的支撑数据，包含两个研究问题（RQ1、RQ2）的实验结果。数据以压缩包形式存储，解压后分为RQ1和RQ2两个子目录，分别对应两个研究问题的实验配置与结果，覆盖97个分析项目，用于验证设计代码气味对缺陷预测模型性能的影响。
文件详解
- 压缩包文件：
- 文件名称：datasets.zip
- 文件格式：ZIP
- 解压后结构：包含RQ1、RQ2子目录及README.pdf说明文件
- RQ1目录：
- 子目录：configuration_1（10个最优分类器配置结果）、configuration_2（SVM最优配置结果）
- 各配置子目录下分designite（设计气味）、designite_traditional（设计+传统气味）、traditional（传统气味）三个气味集子目录
- RQ2目录：
- 子目录：对应designite_traditional数据集中的4类设计气味，基于configuration_2配置构建
- 项目子目录（共97个）：
- 包含dataset（原始训练测试数据）、oversamples（过采样训练数据）、score_summary（所有分类器配置得分）、scores.csv（主分类器得分）、selected_features（特征选择结果）、selected_testing_X（测试数据集）、top_scores_summary（Top10分类器配置得分）
数据来源
论文《Exploring Design Smells for Smell-Based Defect Prediction》
适用场景
- 软件缺陷预测模型优化: 分析设计代码气味对传统缺陷预测模型性能的提升效果
- 代码气味分类研究: 探究不同类别设计气味对缺陷预测模型的影响机制
- 分类器配置性能评估: 对比不同分类器（如SVM）及特征集组合的缺陷预测效果
- 软件质量分析: 基于97个项目的实验数据，研究代码气味与软件缺陷的关联关系
