jirvine/plsdb_and_doric

---
dataset_info:
features:
- name: OriC sequence
dtype: string
- name: ori_id
dtype: string
- name: plasmid_id
dtype: string
- name: pfamid_fast
dtype: string
- name: species
dtype: string
- name: cluster_id
dtype: string
- name: supercluster
dtype: int64
- name: split
dtype: string
- name: source
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 14602124
num_examples: 19494
- name: validation
num_bytes: 4245772
num_examples: 6283
download_size: 5186938
dataset_size: 18847896
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息:
特征:
- 名称: OriC序列（OriC sequence）
数据类型: 字符串
- 名称: 复制起始位点ID（ori_id）
数据类型: 字符串
- 名称: 质粒ID（plasmid_id）
数据类型: 字符串
- 名称: Pfam家族快速编号（pfamid_fast）
数据类型: 字符串
- 名称: 物种（species）
数据类型: 字符串
- 名称: 聚类簇ID（cluster_id）
数据类型: 字符串
- 名称: 超聚类簇（supercluster）
数据类型: 64位整数型
- 名称: 数据集划分（split）
数据类型: 字符串
- 名称: 数据来源（source）
数据类型: 字符串
- 名称: 索引列0（__index_level_0__）
数据类型: 64位整数型
数据集划分:
- 名称: 训练集（train）
字节数: 14602124
样本数: 19494
- 名称: 验证集（validation）
字节数: 4245772
样本数: 6283
下载大小（download_size）: 5186938
数据集总大小（dataset_size）: 18847896
配置项:
- 配置名称: 默认配置（default）
数据文件:
- 划分集: 训练集（train）
路径: data/train-*
- 划分集: 验证集（validation）
路径: data/validation-*

原始信息汇总

数据集概述

数据集特征

• OriC sequence: 数据类型 - 字符串
• ori_id: 数据类型 - 字符串
• plasmid_id: 数据类型 - 字符串
• pfamid_fast: 数据类型 - 字符串
• species: 数据类型 - 字符串
• cluster_id: 数据类型 - 字符串
• supercluster: 数据类型 - 整数
• split: 数据类型 - 字符串
• source: 数据类型 - 字符串
• index_level_0: 数据类型 - 整数

数据集分割

• 训练集 (train):
  • 字节数: 14602124
  • 样本数: 19494
• 验证集 (validation):
  • 字节数: 4245772
  • 样本数: 6283

数据集大小

• 下载大小: 5186938 字节
• 数据集总大小: 18847896 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*