软件缺陷预测JDT数据集SoftwareDefectPredictionJDTDataset-rahulkasaudhan
数据来源：互联网公开数据
标签：软件工程, 缺陷预测, 代码度量, 数据挖掘, 机器学习, 软件质量, 代码分析, JDT
数据概述：
该数据集包含来自开源Java开发工具（JDT）项目的数据，记录了与代码相关的度量指标以及软件缺陷信息。主要特征如下：
时间跨度：数据未明确标注时间，可视为对特定版本或代码库的静态分析结果。
地理范围：数据来源于JDT项目，该项目在全球范围内开发和使用。
数据维度：数据集包含多个代码度量指标，如代码行数、圈复杂度、内聚度、耦合度、fan-in、fan-out等，以及与缺陷相关的指标，如缺陷数量。具体字段包括：id, ck_oo_numberOfPrivateMethods, LDHH_lcom, LDHH_fanIn, numberOfNonTrivialBugsFoundUntil, WCHU_numberOfPublicAttributes, WCHU_numberOfAttributes, CvsWEntropy, LDHH_numberOfPublicMethods, WCHU_fanIn, LDHH_numberOfPrivateAttributes, CvsEntropy, LDHH_numberOfPublicAttributes, WCHU_numberOfPrivateMethods, WCHU_numberOfMethods, ck_oo_numberOfPublicAttributes, ck_oo_noc, numberOfCriticalBugsFoundUntil, ck_oo_wmc, LDHH_numberOfPrivateMethods, WCHU_numberOfPrivateAttributes, CvsLogEntropy, WCHU_noc, LDHH_numberOfAttributesInherited, WCHU_wmc, ck_oo_fanOut, ck_oo_numberOfLinesOfCode, ck_oo_numberOfAttributesInherited, ck_oo_numberOfMethods, ck_oo_dit, ck_oo_fanIn, LDHH_noc, WCHU_dit, ck_oo_lcom, WCHU_numberOfAttributesInherited, ck_oo_rfc, LDHH_wmc, LDHH_numberOfAttributes。
数据格式：CSV格式，文件名为csv_result-JDT.csv，方便数据分析和建模。
来源信息：数据来源于对JDT项目的代码分析和缺陷跟踪，已进行结构化处理。
该数据集适合用于软件缺陷预测、代码质量评估和软件可靠性分析等领域。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于软件工程、数据挖掘和机器学习交叉领域的学术研究，如基于代码度量的缺陷预测模型构建、缺陷成因分析等。
行业应用：为软件开发团队提供数据支持，尤其是在软件质量控制、风险评估、代码审查和测试策略制定等方面。
决策支持：支持软件项目管理中的资源分配、进度规划和质量保证，助力提升开发效率和软件质量。
教育和培训：作为软件工程、数据挖掘和机器学习课程的实训材料，帮助学生和研究人员深入理解软件缺陷预测方法。
此数据集特别适合用于探索代码度量与软件缺陷之间的关系，帮助用户构建预测模型，优化软件开发流程，提升软件质量。
