Case Analysis InLegalBERT

🚀 案例分析-InLegalBERT

本模型是 law-ai/InLegalBERT 在未知數據集上的微調版本，可用於案例分析相關任務，在評估集上取得了較好的效果。

🚀 快速開始

此模型是 law-ai/InLegalBERT 在未知數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值（Loss）：1.0434
• 準確率（Accuracy）：0.8218
• 精確率（Precision）：0.8145
• 召回率（Recall）：0.8218
• 宏精確率（Precision Macro）：0.6439
• 宏召回率（Recall Macro）：0.6295
• 宏假正率（Macro Fpr）：0.0890
• 加權假正率（Weighted Fpr）：0.0674
• 加權特異度（Weighted Specificity）：0.8544
• 宏特異度（Macro Specificity）：0.9191
• 加權敏感度（Weighted Sensitivity）：0.8218
• 宏敏感度（Macro Sensitivity）：0.6295
• 微 F1 值（F1 Micro）：0.8218
• 宏 F1 值（F1 Macro）：0.6335
• 加權 F1 值（F1 Weighted）：0.8106

📊 指標

🔧 訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：5e-05
• 訓練批次大小（train_batch_size）：8
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：42
• 優化器（optimizer）：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 學習率調度器類型（lr_scheduler_type）：線性
• 訓練輪數（num_epochs）：30
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

框架版本

• Transformers：4.39.3
• Pytorch：2.2.1+cu121
• Datasets：2.19.1
• Tokenizers：0.15.2

📄 許可證

本項目採用 MIT 許可證。