Kamyar-zeinalipour/Protein

---
dataset_info:
features:
- name: Cluster ID
dtype: string
- name: Cluster Name
dtype: string
- name: Types
dtype: string
- name: Size
dtype: int64
- name: Organisms
dtype: string
- name: Length
dtype: int64
- name: Identity
dtype: float64
- name: Reference sequence
dtype: string
- name: Common taxon ID
dtype: int64
- name: Common taxon
dtype: string
- name: Organism IDs
dtype: string
- name: Cluster members
dtype: string
- name: Date of creation
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 43805803
num_examples: 52000
- name: test
num_bytes: 1693705
num_examples: 1986
download_size: 27144249
dataset_size: 45499508
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集信息

特征

• Cluster ID: 字符串类型
• Cluster Name: 字符串类型
• Types: 字符串类型
• Size: 64位整数类型
• Organisms: 字符串类型
• Length: 64位整数类型
• Identity: 64位浮点数类型
• Reference sequence: 字符串类型
• Common taxon ID: 64位整数类型
• Common taxon: 字符串类型
• Organism IDs: 字符串类型
• Cluster members: 字符串类型
• Date of creation: 字符串类型
• index_level_0: 64位整数类型

数据分割

• train: 包含52000个样本，占用43805803字节
• test: 包含1986个样本，占用1693705字节

数据集大小

• 下载大小: 27144249字节
• 数据集大小: 45499508字节

配置

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