paoloitaliani/classification

---
dataset_info:
- config_name: BeaverTails
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 11872419
num_examples: 27186
- name: validation
num_bytes: 656340
num_examples: 1510
- name: test
num_bytes: 645393
num_examples: 1510
download_size: 7940009
dataset_size: 13174152
- config_name: anli
features:
- name: label
dtype:
class_label:
names:
'0': entailment
'1': neutral
'2': contradiction
- name: text
dtype: string
splits:
- name: train
num_bytes: 7208314
num_examples: 16946
- name: validation
num_bytes: 424201
num_examples: 1000
- name: test
num_bytes: 423400
num_examples: 1000
download_size: 3228601
dataset_size: 8055915
- config_name: boolq
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 5884967
num_examples: 9427
- name: validation
num_bytes: 1019391
num_examples: 1635
- name: test
num_bytes: 998002
num_examples: 1635
download_size: 5020192
dataset_size: 7902360
- config_name: imbd
features:
- name: text
dtype: string
- name: label
dtype:
class_label:
names:
'0': neg
'1': pos
splits:
- name: train
num_bytes: 26746258.4
num_examples: 20000
- name: validation
num_bytes: 3343282.3
num_examples: 2500
- name: test
num_bytes: 3343282.3
num_examples: 2500
download_size: 21809026
dataset_size: 33432823.0
- config_name: pubmedqa
features:
- name: gold_index
dtype: int64
- name: input
dtype: string
- name: options
sequence: string
- name: id
dtype: int64
splits:
- name: train
num_bytes: 941714.4
num_examples: 600
- name: validation
num_bytes: 313904.8
num_examples: 200
- name: test
num_bytes: 313904.8
num_examples: 200
download_size: 852940
dataset_size: 1569524.0
- config_name: wikimusictext
features:
- name: text
dtype: string
- name: label
dtype: string
splits:
- name: train
num_bytes: 258708
num_examples: 808
- name: validation
num_bytes: 32297
num_examples: 101
- name: test
num_bytes: 32929
num_examples: 101
download_size: 198750
dataset_size: 323934
configs:
- config_name: BeaverTails
data_files:
- split: train
path: BeaverTails/train-*
- split: validation
path: BeaverTails/validation-*
- split: test
path: BeaverTails/test-*
- config_name: anli
data_files:
- split: train
path: anli/train-*
- split: validation
path: anli/validation-*
- split: test
path: anli/test-*
- config_name: boolq
data_files:
- split: train
path: boolq/train-*
- split: validation
path: boolq/validation-*
- split: test
path: boolq/test-*
- config_name: imbd
data_files:
- split: train
path: imbd/train-*
- split: validation
path: imbd/validation-*
- split: test
path: imbd/test-*
- config_name: pubmedqa
data_files:
- split: train
path: pubmedqa/train-*
- split: validation
path: pubmedqa/validation-*
- split: test
path: pubmedqa/test-*
---

数据集信息如下：

### 各配置详情
1. **配置名称：BeaverTails**
特征字段：
- 文本（text）：字符串类型
- 标签（label）：64位整数类型
数据拆分：
- 训练集（train）：字节数11872419，样本量27186
- 验证集（validation）：字节数656340，样本量1510
- 测试集（test）：字节数645393，样本量1510
下载大小：7940009，数据集总大小：13174152

2. **配置名称：anli**
特征字段：
- 标签（label）：类别标签（class_label），类别映射关系为：0代表蕴含（entailment），1代表中立（neutral），2代表矛盾（contradiction）
- 文本（text）：字符串类型
数据拆分：
- 训练集：字节数7208314，样本量16946
- 验证集：字节数424201，样本量1000
- 测试集：字节数423400，样本量1000
下载大小：3228601，数据集总大小：8055915

3. **配置名称：boolq**
特征字段：
- 文本（text）：字符串类型
- 标签（label）：64位整数类型
数据拆分：
- 训练集：字节数5884967，样本量9427
- 验证集：字节数1019391，样本量1635
- 测试集：字节数998002，样本量1635
下载大小：5020192，数据集总大小：7902360

4. **配置名称：imbd**
特征字段：
- 文本（text）：字符串类型
- 标签（label）：类别标签，类别映射关系为：0代表负向（neg），1代表正向（pos）
数据拆分：
- 训练集：字节数26746258.4，样本量20000
- 验证集：字节数3343282.3，样本量2500
- 测试集：字节数3343282.3，样本量2500
下载大小：21809026，数据集总大小：33432823.0

5. **配置名称：pubmedqa**
特征字段：
- 黄金索引（gold_index）：64位整数类型
- 输入（input）：字符串类型
- 选项（options）：字符串序列类型
- 编号（id）：64位整数类型
数据拆分：
- 训练集：字节数941714.4，样本量600
- 验证集：字节数313904.8，样本量200
- 测试集：字节数313904.8，样本量200
下载大小：852940，数据集总大小：1569524.0

6. **配置名称：wikimusictext**
特征字段：
- 文本（text）：字符串类型
- 标签（label）：字符串类型
数据拆分：
- 训练集：字节数258708，样本量808
- 验证集：字节数32297，样本量101
- 测试集：字节数32929，样本量101
下载大小：198750，数据集总大小：323934

### 配置对应数据文件路径
各配置的数据文件路径如下：
- 配置BeaverTails：训练集对应路径BeaverTails/train-*，验证集对应路径BeaverTails/validation-*，测试集对应路径BeaverTails/test-*
- 配置anli：训练集对应路径anli/train-*，验证集对应路径anli/validation-*，测试集对应路径anli/test-*
- 配置boolq：训练集对应路径boolq/train-*，验证集对应路径boolq/validation-*，测试集对应路径boolq/test-*
- 配置imbd：训练集对应路径imbd/train-*，验证集对应路径imbd/validation-*，测试集对应路径imbd/test-*
- 配置pubmedqa：训练集对应路径pubmedqa/train-*，验证集对应路径pubmedqa/validation-*，测试集对应路径pubmedqa/test-*

原始信息汇总

数据集概述

BeaverTails

• 特征:
  • text: 字符串
  • label: 64位整数
• 分割:
  • train: 11872419 字节, 27186 样本
  • validation: 656340 字节, 1510 样本
  • test: 645393 字节, 1510 样本
• 下载大小: 7940009 字节
• 数据集大小: 13174152 字节

anli

• 特征:
  • label: 类标签，名称包括 entailment, neutral, contradiction
  • text: 字符串
• 分割:
  • train: 7208314 字节, 16946 样本
  • validation: 424201 字节, 1000 样本
  • test: 423400 字节, 1000 样本
• 下载大小: 3228601 字节
• 数据集大小: 8055915 字节

boolq

• 特征:
  • text: 字符串
  • label: 64位整数
• 分割:
  • train: 5884967 字节, 9427 样本
  • validation: 1019391 字节, 1635 样本
  • test: 998002 字节, 1635 样本
• 下载大小: 5020192 字节
• 数据集大小: 7902360 字节

imbd

• 特征:
  • text: 字符串
  • label: 类标签，名称包括 neg, pos
• 分割:
  • train: 26746258.4 字节, 20000 样本
  • validation: 3343282.3 字节, 2500 样本
  • test: 3343282.3 字节, 2500 样本
• 下载大小: 21809026 字节
• 数据集大小: 33432823.0 字节

pubmedqa

• 特征:
  • gold_index: 64位整数
  • input: 字符串
  • options: 字符串序列
  • id: 64位整数
• 分割:
  • train: 941714.4 字节, 600 样本
  • validation: 313904.8 字节, 200 样本
  • test: 313904.8 字节, 200 样本
• 下载大小: 852940 字节
• 数据集大小: 1569524.0 字节

wikimusictext

• 特征:
  • text: 字符串
  • label: 字符串
• 分割:
  • train: 258708 字节, 808 样本
  • validation: 32297 字节, 101 样本
  • test: 32929 字节, 101 样本
• 下载大小: 198750 字节
• 数据集大小: 323934 字节