ai-maker-space/medical_nonmedical

---
dataset_info:
features:
- name: is_medical
dtype: int64
- name: text
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 25910847
num_examples: 14202
download_size: 16144838
dataset_size: 25910847
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "medical_nonmedical"

This dataset is a combination of [`20newsgroups`](https://scikit-learn.org/0.19/datasets/twenty_newsgroups.html) and the [`Medical Abstracts TC`](https://github.com/sebischair/Medical-Abstracts-TC-Corpus.git) datasets.

数据集信息:
特征:
- 名称: is_medical
数据类型: int64
- 名称: text
数据类型: string
- 名称: __index_level_0__
数据类型: int64
数据拆分:
- 名称: train
字节数: 25910847
样本数: 14202
下载大小: 16144838
数据集大小: 25910847
配置:
- 配置名称: default
数据文件:
- 拆分: train
路径: data/train-*

# 数据集卡片："medical_nonmedical"

本数据集系[`20newsgroups`](https://scikit-learn.org/0.19/datasets/twenty_newsgroups.html)与[`Medical Abstracts TC`](https://github.com/sebischair/Medical-Abstracts-TC-Corpus.git)两个数据集的组合。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • is_medical: 数据类型为 int64
  • text: 数据类型为 string
  • __index_level_0__: 数据类型为 int64
• 分割:
  • train: 包含 14202 个样本，总字节数为 25910847
• 下载大小: 16144838 字节
• 数据集大小: 25910847 字节

配置

• 配置名称: default
  • 数据文件:
    • train: 路径为 data/train-*