Github-full-data-set：生成GitHub数据（〜1M存储库，2017年5月）

Github存储库数据集 从GitHub刮取了超过100万个存储库！ 1M数据集 数据集（TXT格式）位于： 记录的字段是： 名称 clone_url created_at 货叉（FORKS） has_issues 语言（计算机语言） subscriptions_count（WATCH） watchers_count（STARTS） stargazers_count 尺寸 由于大小限制，我不得不将可用标签缩小到上述范围。 我提供了10万个数据集的所有标签（对于10万个对象，大约260Mb）。 另外，如果您自己抓取数据，则可以拥有所有标签。 以下是更多信息。 统计/机器学习思想 根据源代码预测星星/叉子的数量。 或者只是在自述文件上。 所有变量之间的关系。 或仅提取大量源代码并对其应用语言模型： 示例：如何获取大量JavaScript源代码： 在数据集中，用等于JavaScript $language进行过滤 然后将存储库克隆到某个地方， git clone $clone_url 最终，列出所有JS文件， find $directory -type f -