One Hot Encoder

kaggle2023-01-03 更新2024-03-08 收录

数据预处理

机器学习基础

数据链接：

https://www.kaggle.com/datasets/piyushborhade/one-hot-encoder 数据链接链接失效反馈

官方服务：

资源简介：

one hot encoder for beginners

面向初学者的独热编码器（One Hot Encoder）

创建时间：

2023-01-03

ammarnasr/the-stack-rust-clean

编程语言

数据预处理

该数据集是从TheStack Corpus中提取的，专门针对Rust编程语言进行了优化。数据集包含了训练、验证和测试三个部分，分别有900,000、50,000和50,000个文件。预处理步骤包括选择Rust作为目标语言，过滤掉不符合条件的文件，并将文件按比例分割为训练、验证和测试集。数据集的Tokenizer使用了Byte Pair Encoding (BPE)，并扩展了GPT-2的词汇表。训练

Hugging Face2023-08-14 更新610

📊 Synthetic TelCo Messy Dataset Churn Prediction

电信客户流失

数据预处理

Synthetic TelCo Dataset for Churn Prediction (Messy Real-World Format)

kaggle2025-06-14 更新160

cassava-preprocessed

农业病害识别

数据预处理

preprocessed dataset for cassava disease classification

kaggle2020-12-27 更新110

anon8231489123/ShareGPT_Vicuna_unfiltered

数据预处理

共享经济

该数据集来源于ShareGPT对话，经过筛选后保留了约53k条英文对话。清理过程包括移除非英文对话、过多的Unicode字符、重复字符以及包含特定道德化短语的对话。数据集提供了两个版本：一个移除了包含Im sorry, but的对话，另一个保留了这些对话。数据集已准备好用于训练未经过滤的Vicuna模型。

Hugging Face2023-04-12 更新530

hpprc/wikipedia-20240101

Wikipedia

数据预处理

该数据集是通过`apache_beam`和`mwparserfromhell`对常规Wikipedia数据进行预处理后生成的，目的是为了减少本家预处理时间。数据集包含id、url、title和text四个特征，语言为日语，遵循cc-by-sa-3.0许可证。

Hugging Face2024-01-22 更新150