PsyMatrix/cls_20newsgroups_SubjectVsLabel__BaseDefault

该数据集是一个用于文本分类任务的英语数据集，包含文本和标签两个特征。标签共有20个类别，涵盖了多个主题，如计算机、宗教、体育等。数据集的大小在10K到100K之间。

原始信息汇总

数据集概述

任务类别

• 文本分类

语言

• 英语

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，数据类型为类别标签。

标签类别

• 0: alt.atheism
• 1: comp.graphics
• 2: comp.os.ms-windows.misc
• 3: comp.sys.ibm.pc.hardware
• 4: comp.sys.mac.hardware
• 5: comp.windows.x
• 6: misc.forsale
• 7: rec.autos
• 8: rec.motorcycles
• 9: rec.sport.baseball
• 10: rec.sport.hockey
• 11: sci.crypt
• 12: sci.electronics
• 13: sci.med
• 14: sci.space
• 15: soc.religion.christian
• 16: talk.politics.guns
• 17: talk.politics.mideast
• 18: talk.politics.misc
• 19: talk.religion.misc

数据集规模

• 10K < n < 100K