BERT Banking77

🚀 BERT-Banking77

AutoTrainを使用して訓練された、銀行関連のテキスト分類用のBERTモデルです。高精度で多クラス分類を行うことができます。

🚀 クイックスタート

このモデルは、多クラス分類問題に対応しており、銀行関連のテキストを高精度に分類することができます。以下に、モデルの使用方法を示します。

✨ 主な機能

• 多クラス分類問題に対応
• 銀行関連のテキストを高精度に分類

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下に、Pythonでのインストール例を示します。

pip install transformers

💻 使用例

基本的な使用法

cURLを使用してモデルにアクセスすることができます。

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoTrain"}' https://api-inference.huggingface.co/models/philschmid/autotrain-does-it-work-940131041

高度な使用法

Python APIを使用して、モデルを呼び出すことができます。

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
model_id = 'philschmid/BERT-Banking77'
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(model_id)
classifier = pipeline('text-classification', tokenizer=tokenizer, model=model)
classifier('What is the base of the exchange rates?')

📚 ドキュメント

モデル情報

検証指標

• 損失: 0.3505457043647766
• 正解率: 0.9263261296660118
• マクロF1: 0.9268371013605569
• マイクロF1: 0.9263261296660118
• 加重F1: 0.9259954221865809
• マクロ精度: 0.9305746406646502
• マイクロ精度: 0.9263261296660118
• 加重精度: 0.929031563971418
• マクロ再現率: 0.9263724620088746
• マイクロ再現率: 0.9263261296660118
• 加重再現率: 0.9263261296660118

モデルの結果

• タスク: テキスト分類

• データセット: BANKING77

• 指標:

  • 正解率: 92.64
  • マクロF1: 92.64
  • 加重F1: 92.6

• タスク: テキスト分類

• データセット: banking77 (テスト分割)

• 指標:

  • 正解率: 0.9275974025974026
  • 精度 (マクロ): 0.9305185253845069
  • 精度 (マイクロ): 0.9275974025974026
  • 精度 (加重): 0.9305185253845071
  • 再現率 (マクロ): 0.9275974025974028
  • 再現率 (マイクロ): 0.9275974025974026
  • 再現率 (加重): 0.9275974025974026
  • F1 (マクロ): 0.927623314966026
  • F1 (マイクロ): 0.9275974025974026
  • F1 (加重): 0.927623314966026
  • 損失: 0.3199225962162018