tattabio/mibig_classification_prot

该数据集包含多个特征，包括Entry、Sequence、bgc、class和simple_class，所有特征的数据类型均为字符串。数据集分为训练集和测试集，训练集包含29992个样本，测试集包含7213个样本。总数据集大小为26086177字节。

The dataset includes multiple features: Entry, Sequence, bgc, class, and simple_class, all of which are of string data type. The dataset is divided into a training set and a test set, with the training set containing 29,992 samples and the test set containing 7,213 samples. The total dataset size is 26,086,177 bytes.

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集信息

特征

• Entry: 数据类型为字符串（string）
• Sequence: 数据类型为字符串（string）
• bgc: 数据类型为字符串（string）
• class: 数据类型为字符串（string）
• simple_class: 数据类型为字符串（string）

数据分割

• 训练集（train）:
  • 字节数: 21,078,161
  • 样本数: 29,992
• 测试集（test）:
  • 字节数: 5,008,016
  • 样本数: 7,213

数据大小

• 下载大小: 22,735,274 字节
• 数据集大小: 26,086,177 字节

配置

• 配置名称: default
  • 数据文件:
    • 训练集: data/train-*
    • 测试集: data/test-*