Case Analysis InLegalBERT

🚀 案例分析-InLegalBERT

本模型是 law-ai/InLegalBERT 在未知数据集上的微调版本，可用于案例分析相关任务，在评估集上取得了较好的效果。

🚀 快速开始

此模型是 law-ai/InLegalBERT 在未知数据集上的微调版本。它在评估集上取得了以下结果：

• 损失值（Loss）：1.0434
• 准确率（Accuracy）：0.8218
• 精确率（Precision）：0.8145
• 召回率（Recall）：0.8218
• 宏精确率（Precision Macro）：0.6439
• 宏召回率（Recall Macro）：0.6295
• 宏假正率（Macro Fpr）：0.0890
• 加权假正率（Weighted Fpr）：0.0674
• 加权特异度（Weighted Specificity）：0.8544
• 宏特异度（Macro Specificity）：0.9191
• 加权敏感度（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
• 加权 F1 值（F1 Weighted）：0.8106

📊 指标

🔧 训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：5e-05
• 训练批次大小（train_batch_size）：8
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 优化器（optimizer）：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：30
• 混合精度训练（mixed_precision_training）：Native AMP

训练结果

框架版本

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

📄 许可证

本项目采用 MIT 许可证。