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-*