注册
资讯
学习
基础知识 理论实践 学习教程
企业 招聘
下载
模型 数据集
AI工具箱
企业服务
EVA 智能HR 视频AI
ChatGPT 人工智能应用 人工智能未来 计算机视觉
热门新闻
机器人 康奈尔大学

康奈尔大学推出新的社交机器人，更柔软，更人性化
行业 人工智能

为什么数据污染对LLM来说是一个大问题
行业 人工智能

所以，能动手就别吵吵了
常用工具
ChatGPT

OpenAI旗下AI对话工具
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
文心一言

百度推出的基于文心大模型的AI对话互动工具
讯飞星火认知大模型

科大讯飞推出的类ChatGPT的讯飞星火认知大模型
心流

阿里旗下推出的AI搜索助手

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