KimDongH/spam_dataset

---
dataset_info:
features:
- name: label
dtype: int64
- name: subject
dtype: string
- name: message
dtype: string
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 94451803
num_examples: 25372
- name: validation
num_bytes: 22283789
num_examples: 6344
- name: test
num_bytes: 7266692
num_examples: 2000
download_size: 53782654
dataset_size: 124002284
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集详情

特征信息

• label: 数据类型为 int64
• subject: 数据类型为 string
• message: 数据类型为 string
• input_ids: 数据类型为 int32，序列类型
• token_type_ids: 数据类型为 int8，序列类型
• attention_mask: 数据类型为 int8，序列类型

数据分割

• train: 包含 25372 个样本，占用 94451803 字节
• validation: 包含 6344 个样本，占用 22283789 字节
• test: 包含 2000 个样本，占用 7266692 字节

数据集大小

• 下载大小: 53782654 字节
• 数据集大小: 124002284 字节

配置信息

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