m-CHA数据集是由印度理工学院孟买分校的研究团队手工收集的，包含了866个催化meta-C(sp2)-H键激活反应，这些反应源自26篇同行评审的论文。数据集中的反应在底物、偶联伙伴、催化剂、配体、氧化剂、碱和溶剂等方面有所不同。该数据集通过将反应物分子的SMILES字符串连接起来，形成一个适合机器学习模型构建的复合表示。该数据集的应用领域在于优化化学反应的收益率，解决化学反应中的催化剂、反应条件

arXiv2025-02-27 更新600

reyhanehrhp7/Jigsaw_partB_language_head

自然语言处理

机器学习

该数据集包含两个特征：提示（prompt）和完成（completion），均为字符串类型。数据集分为训练集、验证集和测试集三个部分，其中训练集包含1623个示例，验证集和测试集各包含203个示例。数据集的总大小为614308字节，下载大小为271617字节。

Hugging Face2025-10-17 更新60

vdaita/gsm8k_mini_gemma_answer_2_train

机器学习

自然语言处理

--- dataset_info: features: - name: question dtype: string - name: answer dtype: string - name: id dtype: int64 - name: initial_answer dtype: string splits: - name: train

Hugging Face2024-05-27 更新50

Supplementary_File_2.tar.gz

机器学习

模型验证

This package includes the dataset feature files and python script for the model exploration and validation of sgDesigner.

DataCite Commons2020-07-14 更新150

Data_Sheet_1_Leveraging Machine Learning Approaches for Predicting Antidepressant Treatment Response Using Electroencephalography (EEG) and Clinical Data.docx

抑郁症治疗预测

机器学习

Background: Individuals with major depressive disorder (MDD) vary in their response to antidepressants. However, identifying objective biomarkers, prior to or early in the course of treatment that can

NIAID Data Ecosystem50

so100_tic_tac_toe_move_0_0

资源简介：

相关数据集