mahdibaghbanzadeh/BERTax_non_similar_dataset_phylum

---
dataset_info:
features:
- name: sequence
dtype: string
- name: phylum
dtype:
class_label:
names:
'0': Actinomycetota
'1': Apicomplexa
'2': Arthropoda
'3': Artverviricota
'4': Ascomycota
'5': Bacillariophyta
'6': Bacillota
'7': Bacteroidota
'8': Basidiomycota
'9': Bdellovibrionota
'10': Campylobacterota
'11': Candidatus Thermoplasmatota
'12': Chloroflexota
'13': Chordata
'14': Cyanobacteriota
'15': Deinococcota
'16': Euryarchaeota
'17': Kitrinoviricota
'18': Mollusca
'19': Mycoplasmatota
'20': Myxococcota
'21': Negarnaviricota
'22': Nitrososphaerota
'23': Peploviricota
'24': Pisuviricota
'25': Planctomycetota
'26': Pseudomonadota
'27': Rhodothermota
'28': Spirochaetota
'29': Streptophyta
'30': Thermodesulfobacteriota
'31': Thermodesulfobiota
'32': Thermoproteota
'33': Thermotogota
'34': Uroviricota
'35': Verrucomicrobiota
splits:
- name: train
num_bytes: 3386883024
num_examples: 2240002
- name: test
num_bytes: 80740800
num_examples: 53400
download_size: 1704006951
dataset_size: 3467623824
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

数据集特征

• sequence：数据类型为字符串。
• phylum：数据类型为分类标签，包含以下类别：
  • Actinomycetota
  • Apicomplexa
  • Arthropoda
  • Artverviricota
  • Ascomycota
  • Bacillariophyta
  • Bacillota
  • Bacteroidota
  • Basidiomycota
  • Bdellovibrionota
  • Campylobacterota
  • Candidatus Thermoplasmatota
  • Chloroflexota
  • Chordata
  • Cyanobacteriota
  • Deinococcota
  • Euryarchaeota
  • Kitrinoviricota
  • Mollusca
  • Mycoplasmatota
  • Myxococcota
  • Negarnaviricota
  • Nitrososphaerota
  • Peploviricota
  • Pisuviricota
  • Planctomycetota
  • Pseudomonadota
  • Rhodothermota
  • Spirochaetota
  • Streptophyta
  • Thermodesulfobacteriota
  • Thermodesulfobiota
  • Thermoproteota
  • Thermotogota
  • Uroviricota
  • Verrucomicrobiota

数据集分割

• train：包含2240002个样本，总大小为3386883024字节。
• test：包含53400个样本，总大小为80740800字节。

数据集大小

• 下载大小：1704006951字节
• 数据集总大小：3467623824字节

配置文件

• default：
  • 训练数据路径：data/train-*
  • 测试数据路径：data/test-*