thowley824/base_long_window_3_labels_scar

该数据集包含三个主要特征：标签（分为低、中性和高三类）、输入ID、令牌类型ID和注意力掩码。数据集分为训练集和测试集，训练集包含22,384个样本，测试集包含5,596个样本。数据集的总下载大小为21,711,671字节，总大小为86,514,160字节。

原始信息汇总

数据集概述

数据集特征

• labels
  • 数据类型: 分类标签
  • 标签名称:
    • 0: low
    • 1: neutral
    • 2: high
• input_ids
  • 数据类型: 整数序列，类型为 int32
• token_type_ids
  • 数据类型: 整数序列，类型为 int8
• attention_mask
  • 数据类型: 整数序列，类型为 int8

数据集划分

• 训练集 (train)
  • 数据大小: 69211328 字节
  • 样本数量: 22384
• 测试集 (test)
  • 数据大小: 17302832 字节
  • 样本数量: 5596

数据集大小

• 下载大小: 21711671 字节
• 总数据集大小: 86514160 字节

数据文件配置

• 默认配置 (default)
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*