iohadrubin/lm_task

该数据集包含多个配置版本，每个版本详细记录了数据集的特征和分割信息。主要特征包括input_ids（序列类型为int32）和ticker（字符串类型）。数据集分为训练集、验证集、测试集和全集，每个分割都有具体的字节数和示例数。此外，还提供了每个配置的下载大小和数据集总大小。

原始信息汇总

数据集配置信息

默认配置 (default)

• 特征:
  • input_ids: 序列类型，数据类型为 int32
• 分割:
  • train: 字节数为 59331744，示例数为 6324
  • validation: 字节数为 9637776，示例数为 6324
  • test: 字节数为 13852388，示例数为 8745
• 下载大小: 46005998 字节
• 数据集大小: 82821908 字节

配置 v2

• 特征:
  • input_ids: 序列类型，数据类型为 int32
  • ticker: 数据类型为 string
• 分割:
  • train: 字节数为 59379024，示例数为 6324
  • validation: 字节数为 9685056，示例数为 6324
  • test: 字节数为 13393288，示例数为 8745
  • all_: 字节数为 82837224，示例数为 8745
• 下载大小: 87909071 字节
• 数据集大小: 165294592 字节

配置 v3

• 特征:
  • input_ids: 序列类型，数据类型为 int32
  • ticker: 数据类型为 string
• 分割:
  • train: 字节数为 121806864，示例数为 6324
  • validation: 字节数为 19803456，示例数为 6324
  • test: 字节数为 27385288，示例数为 8745
  • all_: 字节数为 169928104，示例数为 8745
• 下载大小: 159556827 字节
• 数据集大小: 338923712 字节

配置 v4

• 特征:
  • input_ids: 序列类型，数据类型为 int32
  • ticker: 数据类型为 string
• 分割:
  • train: 字节数为 121806864，示例数为 6324
  • validation: 字节数为 19803456，示例数为 6324
  • test: 字节数为 27385288，示例数为 8745
  • all_: 字节数为 169928104，示例数为 8745
• 下载大小: 159488311 字节
• 数据集大小: 338923712 字节