generative-technologies/synth-ehr-icd10-alpaca-format

该数据集包含电子健康记录文本（ehr_text）、国际疾病分类代码（icd_code）、指令（instruction）、输入（input）和输出（output）五个特征。数据集分为一个训练集，包含379,243个样本，总大小为891,614,266字节。下载大小为268,002,010字节。

The dataset contains five features: ehr_text (electronic health record text), icd_code (International Classification of Diseases code), instruction, input, and output. The dataset is divided into one training set, containing 379,243 samples, with a total size of 891,614,266 bytes. The download size is 268,002,010 bytes.

原始信息汇总

数据集概述

数据特征

• ehr_text: 类型为字符串。
• icd_code: 类型为字符串。
• instruction: 类型为字符串。
• input: 类型为字符串。
• output: 类型为字符串。

数据分割

• train: 包含379,243个样本，总大小为891,614,266字节。

数据集大小

• 下载大小: 268,002,010字节。
• 数据集总大小: 891,614,266字节。

配置

• default: 包含训练数据文件，路径为data/train-*。