使用 AutoTrain 训练的模型

• 问题类型：多类分类（3类情感分类）

验证指标

如果你在 huggingface 中搜索情感分析模型，你会找到一个来自 finiteautomata 的模型。他们的模型提供了微观和宏观 F1 分数约为 67%。看看这个模型，它有约 80% 的宏观和微观 F1 分数。

• 损失：0.4992932379245758
• 准确率：0.799017824663514
• 宏观 F1 分数：0.8021508522962549
• 微观 F1 分数：0.799017824663514
• 加权 F1 分数：0.7993775463659935
• 宏观精确率：0.80406197665167
• 微观精确率：0.799017824663514
• 加权精确率：0.8000374433849405
• 宏观召回率：0.8005261994732908
• 微观召回率：0.799017824663514
• 加权召回率：0.799017824663514

使用方法

您可以使用 cURL 访问此模型：

$ 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/Souvikcmsa/autotrain-sentiment_analysis-762923428

或者 Python API：

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("Souvikcmsa/autotrain-sentiment_analysis-762923428", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("Souvikcmsa/autotrain-sentiment_analysis-762923428", use_auth_token=True)

inputs = tokenizer("I love AutoTrain", return_tensors="pt")

outputs = model(**inputs)

或者

from transformers import pipeline

classifier = pipeline("text-classification", model = "Souvikcmsa/BERT_sentiment_analysis")
classifier("I loved Star Wars so much!")# Positive
classifier("A soccer game with multiple males playing. Some men are playing a sport.")# Neutral