Roberta Base Stress Classification

🚀 roberta-base_stress_classification

このモデルは、100000人の従業員のレビューに基づくglassdoorデータセットでroberta-baseをファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 0.1800
• 正解率: 0.9647
• F1値: 0.9647
• 適合率: 0.9647
• 再現率: 0.9647

✨ 主要特性

• パイプラインタグ: テキスト分類
• タグ: ストレス、分類、glassdoor
• メトリクス: 正解率、F1値、適合率、再現率

📦 インストール

このセクションでは、必要なライブラリのインストールに関する情報があれば記載されますが、原文書にはインストール手順が含まれていないため、このセクションをスキップします。

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("dstefa/roberta-base_topic_classification_nyt_news")
model = AutoModelForSequenceClassification.from_pretrained("dstefa/roberta-base_topic_classification_nyt_news")
pipe = pipeline("text-classification", model=model, tokenizer=tokenizer, device=0)

text = "They also caused so much stress because some leaders valued optics over output."
pipe(text)

[{'label': 'Stressed', 'score': 0.9959163069725037}]

📚 ドキュメント

学習データ

学習データは以下のように分類されています。

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• 学習率: 5e-05
• 学習バッチサイズ: 8
• 評価バッチサイズ: 8
• シード: 42
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラの種類: 線形
• 学習率スケジューラのウォームアップステップ: 500
• エポック数: 5

学習結果

モデルの性能

フレームワークのバージョン

• Transformers 4.32.1
• Pytorch 2.1.0+cu121
• Datasets 2.12.0
• Tokenizers 0.13.2

🔧 技術詳細

このモデルは、glassdoorデータセットでroberta-baseをファインチューニングしています。学習ハイパーパラメータや学習結果、モデルの性能に関する詳細な情報があります。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。