bgspaditya/malurl-minpro-rev

--- license: mit dataset_info: features: - name: url dtype: string - name: type dtype: string - name: type_code dtype: int64 splits: - name: train num_bytes: 41137185.099007815 num_examples: 494904 - name: val num_bytes: 2706437.504695243 num_examples: 32560 - name: test num_bytes: 10284379.396296939 num_examples: 123727 download_size: 32721246 dataset_size: 54128002.0 configs: - config_name: default data_files: - split: train path: data/train-* - split: val path: data/val-* - split: test path: data/test-* ------ 许可证：MIT许可证 数据集信息： 特征项： - 字段名：资源链接（URL） 数据类型：字符串 - 字段名：样本类型 数据类型：字符串 - 字段名：类型编码 数据类型：int64 数据集划分： - 划分名称：训练集（train） 字节数：41137185.099007815 样本数量：494904 - 划分名称：验证集（val） 字节数：2706437.504695243 样本数量：32560 - 划分名称：测试集（test） 字节数：10284379.396296939 样本数量：123727 下载大小：32721246 数据集总大小：54128002.0 配置项： - 配置名称：默认配置（default） 数据文件： - 划分：训练集（train） 路径：data/train-* - 划分：验证集（val） 路径：data/val-* - 划分：测试集（test） 路径：data/test-* ---

原始信息汇总

数据集概述

许可证

• MIT许可证

数据集信息

特征

• url: 数据类型为字符串
• type: 数据类型为字符串
• type_code: 数据类型为整数（int64）

数据分割

• 训练集 (train):
  • 字节数: 41,137,185.099007815
  • 样本数: 494,904
• 验证集 (val):
  • 字节数: 2,706,437.504695243
  • 样本数: 32,560
• 测试集 (test):
  • 字节数: 10,284,379.396296939
  • 样本数: 123,727

数据大小

• 下载大小: 32,721,246 字节
• 数据集大小: 54,128,002.0 字节

配置

• 默认配置 (default):
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/val-*
    • 测试集: data/test-*