jirvine/doric_from_plsdb_clean_split

---
dataset_info:
features:
- name: OriC sequence
dtype: string
- name: ori_id
dtype: string
- name: plasmid_id
dtype: string
- name: pfamid_fast
dtype: string
- name: species
dtype: string
- name: source
dtype: string
- name: hit_cluster_id
dtype: string
- name: split
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 882713
num_examples: 881
- name: validation
num_bytes: 301327
num_examples: 328
download_size: 427493
dataset_size: 1184040
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

数据集特征

• OriC sequence: 数据类型为字符串。
• ori_id: 数据类型为字符串。
• plasmid_id: 数据类型为字符串。
• pfamid_fast: 数据类型为字符串。
• species: 数据类型为字符串。
• source: 数据类型为字符串。
• hit_cluster_id: 数据类型为字符串。
• split: 数据类型为字符串。
• index_level_0: 数据类型为整数。

数据集分割

• 训练集 (train): 包含881个样本，总大小为882713字节。
• 验证集 (validation): 包含328个样本，总大小为301327字节。

数据集大小

• 下载大小: 427493字节。
• 数据集总大小: 1184040字节。

配置文件

• 默认配置 (default):
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*