HU-Berlin-ML-Internal/toxicity-dataset

该数据集包含文本和标签两个特征，标签分为non-toxic（非有害）和toxic（有害）两类。数据集分为训练集和测试集，训练集包含8513个样本，测试集包含1065个样本。数据集的总下载大小为1920913字节，总数据集大小为2822360字节。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • text: 文本数据，数据类型为字符串。
  • label: 标签数据，数据类型为分类标签，包含两个类别：
    • 0: non-toxic（非有毒）
    • 1: toxic（有毒）

数据集分割

• 训练集:
  • 文件大小: 2512167 字节
  • 样本数量: 8513
• 测试集:
  • 文件大小: 310193 字节
  • 样本数量: 1065

数据集大小

• 下载大小: 1920913 字节
• 总数据集大小: 2822360 字节

配置信息

• 配置名称: default
  • 数据文件路径:
    • 训练集: data/train-*
    • 测试集: data/test-*