washimneupane/clusters

---
license: mit
dataset_info:
features:
- name: content
dtype: string
- name: avg_line_length
dtype: float64
- name: max_line_length
dtype: int64
- name: alphanum_fraction
dtype: float64
- name: licenses
sequence: string
- name: repository_name
dtype: string
- name: path
dtype: string
- name: size
dtype: int64
- name: lang
dtype: string
- name: cluster
dtype: int64
splits:
- name: train
num_bytes: 2737311371
num_examples: 300000
download_size: 900879043
dataset_size: 2737311371
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

许可证

• MIT许可证

数据集信息

特征

• content: 字符串类型
• avg_line_length: 浮点数类型 (float64)
• max_line_length: 整数类型 (int64)
• alphanum_fraction: 浮点数类型 (float64)
• licenses: 字符串序列
• repository_name: 字符串类型
• path: 字符串类型
• size: 整数类型 (int64)
• lang: 字符串类型
• cluster: 整数类型 (int64)

数据分割

• train: 包含300000个样本，总字节数为2737311371

数据集大小

• 下载大小: 900879043字节
• 数据集大小: 2737311371字节

配置

• default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*