Egbertjing/pubmed

该数据集包含两个主要特征：idx和text，其中idx为整型索引，text为字符串类型的文本内容。数据集分为训练集和测试集，训练集包含19717个示例，测试集包含1972个示例。数据集的下载大小为18909796字节，总大小为36030892.77557438字节。

The dataset includes two main features: idx and text, where idx is an integer index and text is a string type text content. The dataset is divided into a training set and a test set, with the training set containing 19,717 examples and the test set containing 1,972 examples. The download size of the dataset is 18,909,796 bytes, and the total size is 36,030,892.77557438 bytes.

原始信息汇总

数据集概述

特征

• idx: 整数类型 (int64)
• text: 字符串类型 (string)

数据分割

• train:
  • 字节数: 32754904
  • 样本数: 19717
• test:
  • 字节数: 3275988.7755743773
  • 样本数: 1972

数据大小

• 下载大小: 18909796 字节
• 数据集总大小: 36030892.77557438 字节

配置

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