tattabio/arch_retrieval

该数据集包含蛋白质相关的信息，主要特征包括Entry（条目）、Sequence（序列）和Protein names（蛋白质名称），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9229个样本，测试集包含2343个样本。数据集的下载大小为4186894字节，总大小为4805683字节。

This dataset contains protein-related information, with main features including Entry, Sequence, and Protein names, 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 9229 samples and the test set containing 2343 samples. The download size of the dataset is 4186894 bytes, and the total size is 4805683 bytes.

原始信息汇总

数据集概述

数据特征

• Entry: 数据类型为字符串（string）
• Sequence: 数据类型为字符串（string）
• Protein names: 数据类型为字符串（string）

数据分割

• 训练集（train）:
  • 字节数: 3,856,213
  • 样本数: 9,229
• 测试集（test）:
  • 字节数: 949,470
  • 样本数: 2,343

数据集大小

• 下载大小: 4,186,894 字节
• 数据集总大小: 4,805,683 字节

配置

• 默认配置（default）:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*