AdapterOcean/code_instructions_standardized_cluster_4

---
dataset_info:
features:
- name: text
dtype: string
- name: conversation_id
dtype: int64
- name: embedding
sequence: float64
- name: cluster
dtype: int64
splits:
- name: train
num_bytes: 196167839
num_examples: 20069
download_size: 55665641
dataset_size: 196167839
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "code_instructions_standardized_cluster_4"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 字段名：text，数据类型：字符串
- 字段名：conversation_id（对话ID），数据类型：64位整型
- 字段名：embedding（嵌入向量），数据类型：64位浮点型序列
- 字段名：cluster（聚类簇），数据类型：64位整型
数据拆分：
- 拆分名称：train（训练集），占用字节数：196167839，样本数量：20069
下载总大小：55665641
数据集总存储大小：196167839
数据集配置：
- 配置名称：default（默认配置），数据文件：
- 对应拆分：train，文件路径：data/train-*
---
# 「code_instructions_standardized_cluster_4」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串。
• conversation_id: 数据类型为64位整数。
• embedding: 数据类型为64位浮点数序列。
• cluster: 数据类型为64位整数。

数据分割

• train: 包含20069个样本，占用196167839字节。

数据大小

• 下载大小: 55665641字节。
• 数据集大小: 196167839字节。

配置

• default: 包含训练数据文件，路径为data/train-*。