注册
行业 学习
支撑
数据 算量 系统
企业 招聘
下载
模型 数据集
AI工具箱
企业服务
EVA 智能HR
ChatGPT 人工智能应用 人工智能未来 计算机视觉
热门新闻
公司板 科大讯飞

科大讯飞包揽ICPR MTWI图文识别挑战赛三项冠军
行业 人工智能

所以，能动手就别吵吵了
行业 人工智能

人工智能对 IT 技能和人才发展的影响
常用工具
ChatGPT

OpenAI旗下AI对话工具
火山写作

字节跳动旗下团队推出的免费AI英语写作助手
Midjourney

AI图像和插画生成工具，测试测试测试测试测试测测试
Stable Diffusion

StabilityAI推出的文本到图像生成AI
GitHub Copilot

GitHub AI编程工具

模型:

nickmuchi/finbert-tone-finetuned-fintwitter-classification

任务:

文本分类

类库:

PyTorch TensorBoard Safetensors Transformers

数据集:

zeroshot/twitter-financial-news-sentiment 3Azeroshot/twitter-financial-news-sentiment

其他:

bert generated_from_trainer financial-tweets-sentiment-analysis sentiment-analysis financial stocks sentiment Eval Results
模型介绍 文件清单
英文

finbert-tone-finetuned-fintwitter-classification

此模型是对 yiyanghkust/finbert-tone 数据集进行的fine-tuned版本，它在评估集上取得以下结果：

  • 损失：1.4078
  • 准确率：0.8840
  • F1值：0.8838
  • 精确度：0.8838
  • 召回率：0.8840

模型描述

模型用于确定给定推文的金融情绪。考虑到类别标签的不平衡分布，权重进行了调整，以关注采样较少的标签，从而提高整体性能。

预期用途和限制

需要更多信息。

训练和评估数据

需要更多信息。

训练过程

训练超参数

在训练过程中使用了以下超参数：

  • 学习率：2e-05
  • 训练批大小：16
  • 评估批大小：16
  • 种子：42
  • 优化器：Adam，beta值为(0.9,0.999)，epsilon为1e-08
  • lr_scheduler_type: linear
  • 训练轮次：20
  • mixed_precision_training: Native AMP

训练结果

Training Loss Epoch Step Validation Loss Accuracy F1 Precision Recall
0.6385 1.0 597 0.3688 0.8668 0.8693 0.8744 0.8668
0.3044 2.0 1194 0.3994 0.8744 0.8726 0.8739 0.8744
0.1833 3.0 1791 0.6212 0.8781 0.8764 0.8762 0.8781
0.1189 4.0 2388 0.8370 0.8740 0.8743 0.8748 0.8740
0.0759 5.0 2985 0.9107 0.8807 0.8798 0.8796 0.8807
0.0291 6.0 3582 0.9711 0.8836 0.8825 0.8821 0.8836
0.0314 7.0 4179 1.1305 0.8819 0.8811 0.8812 0.8819
0.0217 8.0 4776 1.0190 0.8811 0.8813 0.8816 0.8811
0.0227 9.0 5373 1.1940 0.8844 0.8832 0.8838 0.8844
0.0156 10.0 5970 1.2595 0.8752 0.8768 0.8801 0.8752
0.0135 11.0 6567 1.1931 0.8760 0.8768 0.8780 0.8760
0.009 12.0 7164 1.2154 0.8857 0.8852 0.8848 0.8857
0.0058 13.0 7761 1.3874 0.8748 0.8759 0.8776 0.8748
0.009 14.0 8358 1.4193 0.8740 0.8754 0.8780 0.8740
0.0042 15.0 8955 1.2999 0.8807 0.8800 0.8796 0.8807
0.0028 16.0 9552 1.3428 0.8802 0.8805 0.8817 0.8802
0.0029 17.0 10149 1.3959 0.8807 0.8807 0.8810 0.8807
0.0022 18.0 10746 1.4149 0.8827 0.8823 0.8824 0.8827
0.0037 19.0 11343 1.4078 0.8840 0.8838 0.8838 0.8840
0.001 20.0 11940 1.4236 0.8823 0.8823 0.8825 0.8823

框架版本

  • Transformers 4.25.1
  • Pytorch 1.13.0+cu116
  • Datasets 2.8.0
  • Tokenizers 0.13.2

作者:

Nicholas Muchinguri

数据集大小:

838.38 MB

相关推荐