Kamyar-zeinalipour/Protein-less-than-500-v2

---
dataset_info:
features:
- name: Cluster ID
dtype: string
- name: Cluster Name
dtype: string
- name: Types
dtype: string
- name: Size
dtype: int64
- name: Organisms
dtype: string
- name: Length
dtype: int64
- name: Identity
dtype: float64
- name: Reference_sequence
dtype: string
- name: Common taxon ID
dtype: int64
- name: Common taxon
dtype: string
- name: Organism IDs
dtype: string
- name: Cluster members
dtype: string
- name: Date of creation
dtype: string
- name: Reference sequence len
dtype: int64
- name: Inversed_flag
dtype: bool
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 52462917
num_examples: 80000
- name: test
num_bytes: 4569552
num_examples: 6968
download_size: 29786125
dataset_size: 57032469
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

特征信息

数据集包含以下特征：

• Cluster ID: 字符串类型
• Cluster Name: 字符串类型
• Types: 字符串类型
• Size: 64位整数类型
• Organisms: 字符串类型
• Length: 64位整数类型
• Identity: 64位浮点数类型
• Reference_sequence: 字符串类型
• Common taxon ID: 64位整数类型
• Common taxon: 字符串类型
• Organism IDs: 字符串类型
• Cluster members: 字符串类型
• Date of creation: 字符串类型
• Reference sequence len: 64位整数类型
• Inversed_flag: 布尔类型
• index_level_0: 64位整数类型

数据分割

数据集分为以下部分：

• train: 包含80000个样本，总字节数为52462917
• test: 包含6968个样本，总字节数为4569552

数据集大小

• 下载大小: 29786125字节
• 数据集大小: 57032469字节

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • test: 路径为data/test-*