GleghornLab/CLEAN

该数据集包含四个部分：new、price、halogenase和split100，每个部分都有相应的字节数和示例数。数据集的特征包括Entry、EC number和Sequence，数据类型均为字符串。数据集的下载大小为74157032字节，总大小为91731857字节。

The dataset consists of four parts: new, price, halogenase, and split100, each with corresponding byte sizes and example counts. The features of the dataset include Entry, EC number, and Sequence, all of which are of string data type. The download size of the dataset is 74157032 bytes, and the total size is 91731857 bytes.

原始信息汇总

数据集概述

数据集特征

• Entry: 数据类型为字符串（string）
• EC number: 数据类型为字符串（string）
• Sequence: 数据类型为字符串（string）

数据集分割

• new: 包含392个样本，占用190452字节
• price: 包含149个样本，占用63268字节
• halogenase: 包含37个样本，占用15575字节
• split100: 包含227362个样本，占用91462562字节

数据集大小

• 下载大小: 74157032字节
• 数据集总大小: 91731857字节

配置

• 默认配置:
  • new: 数据路径为data/new-*
  • price: 数据路径为data/price-*
  • halogenase: 数据路径为data/halogenase-*
  • split100: 数据路径为data/split100-*