MoL2/autotrain-data-dnabert_classfy_chr1

该数据集是为dnabert_classfy_chr1项目自动处理的数据集，用于文本分类任务。数据集的语言代码为unk，包含两个主要字段：target（目标标签，值范围从0到15）和text（输入文本）。数据集分为训练集和验证集，分别包含1595和405个样本。

原始信息汇总

AutoTrain Dataset for project: dnabert_classfy_chr1

数据集描述

该数据集已由AutoTrain自动处理，用于项目dnabert_classfy_chr1。

语言

数据集的语言BCP-47代码为unk。

数据集结构

数据实例

数据集的一个样本如下所示：

json [ { "target": 13, "text": "tctgaaaataactgtattgcttctgtttgtaaggtcagtttgctggatgtattaacagaattctcagcactttgagtgttgtcttttgagttgcattattaagttagccgttaatttaattgttatttctttgtagttaatgccttttttctctggctgcttttaagatcttctgtgtgactttggtgtgctaagtaagttctgctatgatatgtccagtagaacttctttttttattattatccttaggatttgataggttttctgaatctgagaattggtatctttcatccattctggaacatttttatatattatttcttcaattgtgcttttctttcattcctctatcatctccatctagatctcttgtttagacaggctcaccctatcctctgtatttgctgcattctcgataatttcacagtctgtcttctaggtcactaattccttctttagttgtgtctaaactcttttccacctgcacattgagtttctgg" }, { "target": 13, "text": "GCCAGTGTCTCTCGTGGTCTCTCAAATTCCTTTCCTTCCTGAAAAGAAAAAAAATGATACCTTACATTTTTTAACTTAAGATTTAAAAATATGTTATATAGAGTAAAATTGGGCTTCTCTCATCCTTTAGCCATGAGAAAAAAAATGTTCTTTTGTTAGGAGGACCATGGTCACCATGAAGGTCAGTCATAGGCATCCATGGAGTCAATTGTGGCAGCCATGTCCCCCCAGCAGCAGATCCCTACTACTTAGATCCAGCCACTCCTCAGAGGTGGAGAAGGGGAAGTGAGAAAAGGTCCATCCTGGCCCCTAGGAAACTCTCCCCAAAGAAAAACCAAGAAGAAACACTTTCCAAATGTTTCTTTCCTTTAAAATAAAGTTAGTTAGCAACCCTGATGCCTTCATCAAAACAAAGAAAGACCTTCTGATGACAGAGTCTGAGGATGATCATGCAAAGTGCTGAACAAAGTGAAAAATGAAATCAAGATTTTTTCCATTCT" } ]

数据集字段

数据集包含以下字段（也称为“特征”）：

json { "target": "ClassLabel(names=[0, 1, 10, 11, 12, 13, 14, 15, 2, 3, 4, 5, 6, 7, 8, 9], id=None)", "text": "Value(dtype=string, id=None)" }

数据集分割

该数据集被分割为训练集和验证集。分割大小如下：

分割名称	样本数量
train	1595
valid	405