机器学习工程 Notebook 自动化现代化改造复现包
数据集简介
引用(Citation)
本数据集是论文 "Automated Modernization of Machine Learning Engineering Notebooks for Reproducibility"(https://doi.org/10.1145/3832166)的复现包,该论文已被 ISSTA '26 接收,发表于 Proc. ACM Softw. Eng.(Association for Computing Machinery)。论文作者包括 Bihui Jin、Kaiyuan Wang、Pengyu Nie 等。
复现包结构(Replication package layout)
复现包分为两部分存放:
- GitHub 仓库:源代码与小型结果文件
- 本数据集(HF Mirror):包含 Meta Kaggle 归档、采集/处理后的 notebook、全部执行输出,以及其他任何体积不小于 50 MB 的制品
两者路径保持一致,叠加后即可还原完整复现包。数据集内的主要路径包括:
.kaggle/meta-kaggle.zip.kaggle/meta-kaggle-code/meta-kaggle-code.zipresults/verification/kernel.json
涉及的 Meta Kaggle 表格文件包括:KernelVersions.csv、Kernels.csv、Submissions.csv、Teams.csv、Competitions.csv、Users.csv、KernelVersionDatasetSources.csv。
环境(Environment)
复现实验环境配置请参见复现包中的说明,源代码位于 GitHub 仓库,与本数据集路径一一对应。
下载方式
官方推荐的下载命令为:
hf download BihuiJ/MLEModernizer --repo-type dataset --local-dir . --exclude README.md .gitattributes
注意:该下载体积非常大(原文提示 This download is very large),请预留充足的磁盘空间与带宽。
版本说明
main分支:当前的拆分版数据集- tag
legacy-full-repo-2026-07-24:保留早期单仓库(monolithic)数据集快照
流程(Procedure)与原始数据采集(Raw Data Collection)
复现流程从 Meta Kaggle 原始归档出发,经过 notebook 的采集与处理,最终产出全部执行输出结果;results/ 与 verification/ 目录分别存放结果与验证相关文件,具体步骤见复现包内说明。
表格(Tables)与基线(Baseline)
Meta Kaggle 相关 CSV 表格(Kernels、KernelVersions、Submissions、Competitions、Users、Teams 等)用于支撑数据分析;基线部分(Baseline)为对所采集脚本的复现(replication of collected scripts)。
许可与访问
数据集公开可下载,具体许可条款未在页面中给出。