snegha24/cl2_cosine

该数据集包含多个字段，包括文本（text）、嵌入文本（emb_text）、指令（instruction）、嵌入向量（emb）、输入（input）、输出（output）、聚类（cluster）和唯一标识符（id）。数据集主要用于训练，包含50个样本，总大小为418460字节。这些字段表明数据集可能用于自然语言处理任务，如文本分类、指令跟随或聚类分析。

This dataset includes multiple fields such as text, embedded text (emb_text), instruction, embedding vector (emb), input, output, cluster, and a unique identifier (id). It is primarily used for training, containing 50 samples with a total size of 418460 bytes. These fields suggest that the dataset may be used for natural language processing tasks such as text classification, instruction following, or cluster analysis.

原始信息汇总

数据集概述

数据集特征

• text: 文本类型，数据类型为字符串。
• emb_text: 嵌入文本类型，数据类型为字符串。
• instruction: 指令类型，数据类型为字符串。
• emb: 嵌入类型，数据类型为浮点数序列。
• input: 输入类型，数据类型为字符串。
• output: 输出类型，数据类型为字符串。
• cluster: 聚类类型，数据类型为字符串。
• id: 标识符类型，数据类型为整数。

数据集分割

• train: 训练集，包含50个样本，占用418460字节。

数据集大小

• 下载大小: 372848字节
• 数据集大小: 418460字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。