StudentLLM/Sampled_Orca_GPT4

该数据集是Open-Orca的GPT-4回答数据集的分层抽样版本，使用了scikit-learn库的train_test_split方法进行抽样。具体抽样设置包括split_size为0.05，shuffle为True，以及以Open-Orca数据集的id作为分层依据。数据集的语言为英语，规模在10K到100K之间，许可证为MIT。This is a stratified sampled dataset from Open-Orcas GPT-4 answered dataset (1M-GPT4-Augmented.parquet). The sampling was done using the train_test_split method from the scikit-learn library, with a split size of 0.05, shuffling enabled, and stratification based on the id of the Open-Orca dataset. The dataset is in English, with a size between 10K and 100K, and is licensed under MIT.

原始信息汇总

Stratify Sampled Dataset of Open-Orca 🐬

概述

该数据集是从Open-Orca的GPT-4回答数据集（1M-GPT4-Augmented.parquet）中进行分层抽样得到的。

抽样方法

使用scikit-learn库的train_test_split方法进行抽样，具体设置如下：

• split_size: 0.05
• shuffle: True
• stratify: Open-Orca数据集的id

数据集信息

• 语言: 英语
• 大小类别: 10K<n<100K
• 许可证: MIT