BERT Crime Analysis

🚀 文本分类模型

本模型基于预训练模型微调而来，用于文本分类任务，能根据犯罪描述精准判断犯罪类型，在评估集上取得了优异的指标成绩。

🚀 快速开始

开发者提示：请下载并在本地或Colab上试用该模型，这有助于Hugging Face判定该模型是否重要到足以提供无服务器API供大家使用。此外，该模型对所有人来说都是完全安全的。有一个文件被标记为不安全，仅仅是因为它是一个pickle文件。感谢大家的大力支持！

✨ 主要特性

模型概述

该模型是google-bert/bert-base-uncased在Kaggle数据集上的微调版本。它在评估集上取得了以下成绩：

• 宏f1值：89.44%
• 加权f1值：93.15%
• 准确率：93.80%
• 平衡准确率：90.42%

模型描述

这个google-bert/bert-base-uncased的微调版本擅长从犯罪描述中检测犯罪类型，共有34个标签。

📚 详细文档

训练和评估数据

• 评估宏f1值：89.44%
• 评估加权f1值：93.15%
• 评估准确率：93.79%
• 评估平衡准确率：90.42%

训练超参数

训练期间使用了以下超参数：

• 学习率：5e - 05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 学习率调度器类型：线性
• 训练轮数：30

训练结果

框架版本

• Transformers 4.39.3
• Pytorch 2.2.2
• Datasets 2.18.0
• Tokenizers 0.15.2

📄 许可证

本模型采用Apache-2.0许可证。