thowley824/shape_short_window_3_labels_scar

该数据集包含四个主要特征：标签（labels，分为低、中、高三个类别）、输入ID序列（input_ids，数据类型为int32）、token类型ID序列（token_type_ids，数据类型为int8）和注意力掩码序列（attention_mask，数据类型为int8）。数据集分为训练集和测试集，训练集包含22384个样本，测试集包含5596个样本。数据集的下载大小为21004212字节，总大小为86514160字节。

原始信息汇总

数据集概述

数据集特征

• labels

  • 数据类型：分类标签
  • 类别名称：
    • 0: low
    • 1: neutral
    • 2: high

• input_ids

  • 数据类型：整数序列，类型为 int32

• token_type_ids

  • 数据类型：整数序列，类型为 int8

• attention_mask

  • 数据类型：整数序列，类型为 int8

数据集分割

• 训练集 (train)

  • 数据大小：69211328 字节
  • 样本数量：22384

• 测试集 (test)

  • 数据大小：17302832 字节
  • 样本数量：5596

数据集大小

• 下载大小：21004212 字节
• 总数据集大小：86514160 字节

数据文件配置

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