ddrg/named_math_formulas

该数据集名为named_math_formulas，包含71个著名数学恒等式的信息，每个条目有恒等式的名称、表达式、标签（指示是否属于该恒等式）和ID。数据集设计了挑战性的错误示例，如错误的勾股定理表达式。通过随机化和错误化算法生成，每个恒等式最多有400000个版本，错误版本数量是正确版本的十倍，适用于每个epoch都改变错误示例的训练。

原始信息汇总

数据集概述

数据集名称

• 名称: named_math_formulas

数据集特征

• 特征列表:
  • name: 字符串类型，表示数学恒等式的名称。
  • formula: 字符串类型，表示数学恒等式的表达式。
  • formula_name_id: 字符串类型，表示数学恒等式的ID。
  • label: 布尔类型，表示表达式是否属于该数学恒等式。

数据集划分

• 训练集:
  • 大小: 4435850714 字节
  • 样本数量: 21336656
• 测试集:
  • 大小: 492646856 字节
  • 样本数量: 2370736

数据集大小

• 下载大小: 1948482299 字节
• 数据集总大小: 4928497570 字节

数据集描述

• 该数据集基于71个著名的数学恒等式。每个条目包含数学恒等式的名称、表达式、是否属于该恒等式的标签以及数学恒等式的ID。错误的表达式被故意设计得具有挑战性，例如，将勾股定理的错误版本表示为 a^2+2^b=c^2。所有条目都是从data.json开始，并应用随机化和伪造算法生成的。数据集中的公式不仅包含纯数学表达式，还包含数学恒等式的文本描述。每个恒等式最多生成400000个版本，错误版本的数量是正确版本的十倍，以便在每个时期使用不同的错误示例进行训练。