jirvine/doric_rep_oriv_split

---
dataset_info:
features:
- name: id
dtype: string
- name: OriC sequence
dtype: string
- name: ori_id
dtype: string
- name: plasmid_id
dtype: string
- name: name
dtype: string
- name: seq_len
dtype: float64
- name: cluster_id
dtype: string
- name: split
dtype: string
- name: supercluster
dtype: int64
- name: __index_level_0__
dtype: int64
- name: Refseq
dtype: string
- name: pfamid
dtype: string
- name: Rep_type
dtype: string
- name: rep_orf_name
dtype: string
- name: Organism
dtype: string
splits:
- name: train
num_bytes: 1120909
num_examples: 918
- name: validation
num_bytes: 342872
num_examples: 291
download_size: 552574
dataset_size: 1463781
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征列：
- 名称：标识符（id），数据类型：字符串
- 名称：复制起始序列（OriC sequence），数据类型：字符串
- 名称：ori标识符（ori_id），数据类型：字符串
- 名称：质粒标识符（plasmid_id），数据类型：字符串
- 名称：名称（name），数据类型：字符串
- 名称：序列长度（seq_len），数据类型：64位浮点型
- 名称：聚类标识符（cluster_id），数据类型：字符串
- 名称：划分集（split），数据类型：字符串
- 名称：超聚类（supercluster），数据类型：64位整型
- 名称：__index_level_0__，数据类型：64位整型
- 名称：参考序列（Refseq），数据类型：字符串
- 名称：Pfam家族标识符（pfamid），数据类型：字符串
- 名称：复制子类型（Rep_type），数据类型：字符串
- 名称：复制开放阅读框名称（rep_orf_name），数据类型：字符串
- 名称：生物体（Organism），数据类型：字符串
划分集信息：
- 名称：训练集（train），占用字节数：1120909，样本量：918
- 名称：验证集（validation），占用字节数：342872，样本量：291
下载总大小：552574，数据集总存储大小：1463781
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分集：训练集（train），文件路径：data/train-*
- 划分集：验证集（validation），文件路径：data/validation-*

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• OriC sequence: 字符串类型
• ori_id: 字符串类型
• plasmid_id: 字符串类型
• name: 字符串类型
• seq_len: 浮点数类型
• cluster_id: 字符串类型
• split: 字符串类型
• supercluster: 整数类型
• index_level_0: 整数类型
• Refseq: 字符串类型
• pfamid: 字符串类型
• Rep_type: 字符串类型
• rep_orf_name: 字符串类型
• Organism: 字符串类型

数据集划分

• 训练集:
  • 数据量: 918个样本
  • 大小: 1120909字节
• 验证集:
  • 数据量: 291个样本
  • 大小: 342872字节

数据集大小

• 下载大小: 552574字节
• 数据集总大小: 1463781字节

数据文件配置

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