lhallee/swiss_prot_processed

---
dataset_info:
features:
- name: Entry
dtype: string
- name: EC
sequence: int64
- name: Cofactor
sequence: int64
- name: MF
sequence: int64
- name: BP
sequence: int64
- name: CC
sequence: int64
- name: IP
sequence: int64
- name: 3D
sequence: int64
- name: seqs
dtype: string
- name: combined
sequence: int64
splits:
- name: train
num_bytes: 118015016
num_examples: 141387
download_size: 88207218
dataset_size: 118015016
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：条目（Entry），数据类型：字符串
- 名称：酶委员会编号（EC），数据类型：int64类型序列
- 名称：辅因子（Cofactor），数据类型：int64类型序列
- 名称：分子功能（MF），数据类型：int64类型序列
- 名称：生物过程（BP），数据类型：int64类型序列
- 名称：细胞组分（CC），数据类型：int64类型序列
- 名称：IP，数据类型：int64类型序列
- 名称：三维结构（3D），数据类型：int64类型序列
- 名称：序列（seqs），数据类型：字符串
- 名称：组合特征（combined），数据类型：int64类型序列
划分集：
- 名称：训练集（train），占用字节数：118015016，样本量：141387
下载大小：88207218
数据集总大小：118015016
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-*

原始信息汇总

数据集概述

数据集特征

• Entry: 字符串类型
• EC: 整数类型
• Cofactor: 整数类型
• MF: 整数类型
• BP: 整数类型
• CC: 整数类型
• IP: 整数类型
• 3D: 整数类型
• seqs: 字符串类型
• combined: 整数类型

数据集划分

• 训练集 (train):
  • 样本数量: 141387
  • 数据大小: 118015016 字节

数据集大小

• 下载大小: 88207218 字节
• 数据集总大小: 118015016 字节