tattabio/euk_retrieval

该数据集包含蛋白质相关的信息，主要特征包括Entry（条目）、Sequence（序列）和Protein names（蛋白质名称），所有特征的数据类型均为字符串。数据集分为训练集和测试集，训练集包含3202个样本，测试集包含311个样本。数据集的总下载大小为1311738字节，总大小为1472251字节。

This dataset contains protein-related information, with main features including Entry, Sequence, and Protein names, all of which are of string data type. The dataset is divided into a training set and a test set, with the training set containing 3202 samples and the test set containing 311 samples. The total download size of the dataset is 1311738 bytes, and the total size is 1472251 bytes.

原始信息汇总

数据集概述

数据特征

• Entry: 数据类型为字符串。
• Sequence: 数据类型为字符串。
• Protein names: 数据类型为字符串。

数据分割

• 训练集 (train):
  • 字节数: 1,338,495
  • 样本数: 3,202
• 测试集 (test):
  • 字节数: 133,756
  • 样本数: 311

数据大小

• 下载大小: 1,311,738 字节
• 数据集总大小: 1,472,251 字节

配置

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