patrikgerard/ru_language_modeling_v4

该数据集包含四个主要特征：unique_id（唯一标识符）、input（输入内容）、classification（分类标签）和__index_level_0__（索引级别）。数据集分为训练集和测试集，训练集包含8744个示例，测试集包含972个示例。数据集的下载大小为4535671字节，总大小为9710490.0字节。

The dataset includes four main features: unique_id (unique identifier), input (input content), classification (classification label), and __index_level_0__ (index level). The dataset is divided into a training set and a test set, with the training set containing 8744 examples and the test set containing 972 examples. The download size of the dataset is 4535671 bytes, and the total size is 9710490.0 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• unique_id: 数据类型为字符串。
• input: 数据类型为字符串。
• classification: 数据类型为字符串。
• index_level_0: 数据类型为整数（int64）。

数据分割

• train:
  • 样本数量: 8744
  • 数据大小: 8739041.226842321 字节
• test:
  • 样本数量: 972
  • 数据大小: 971448.7731576781 字节

数据集大小

• 下载大小: 4535671 字节
• 数据集总大小: 9710490.0 字节

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • test: 路径为 data/test-*