数据集概述
该数据集围绕ATL模型转换的性能预测展开，包含实验所需的原始及处理后输入数据、实验复现脚本与结果。通过机器学习方法（线性回归、随机森林等），基于输入模型特征预测转换执行时间，为模型转换性能测试提供数据支持。
文件详解
- 文件名称: README.md：Markdown格式文档，包含数据集简介与快速入门指南，说明实验背景与使用方法。
- 文件名称: documentation.pdf：PDF格式文档，详细描述实验设计、模型特征集定义及结果分析方法。
- 文件名称: DataSetForPredictingThePerformanceOfATLModelTransformations.zip：压缩包格式，包含实验原始数据、处理后数据、机器学习实验脚本、性能预测结果文件、Eclipse插件及Java项目代码等核心资源。
适用场景
- 模型转换技术研究：分析输入模型特征对ATL转换性能的影响机制
- 机器学习应用：验证不同回归算法在性能预测任务中的效果
- 软件工程实践：为模型转换工具的性能优化提供数据支持
- 实验复现：支持重复模型转换性能预测实验的完整流程
