likhith231/enron_spam_small

该数据集是从SetFit/enron_spam数据集中提取的一个子集，包含1000个训练样本和1000个测试样本，适用于二分类文本分类任务。数据集包含两列：Text和Label，分别表示邮件内容和邮件是否为垃圾邮件的标签。

原始信息汇总

数据集概述

数据集信息

特征

• 名称: label
  • 数据类型: int64
• 名称: text
  • 数据类型: string

分割

• 名称: train
  • 字节数: 1452847
  • 样本数: 1000
• 名称: validation
  • 字节数: 1685310
  • 样本数: 1000

大小

• 下载大小: 1637839
• 数据集大小: 3138157

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
      • 路径: data/train-*
    • 分割: validation
      • 路径: data/validation-*

任务类别

• 文本分类

数据集详情

列

• Text: 表示电子邮件的内容。
• Label: 指示电子邮件是否被分类为spam（垃圾邮件）或ham（非垃圾邮件）。

数据集来源

• 仓库: https://huggingface.co/datasets/SetFit/enron_spam