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-*