financial-sentiment-model-5000-samples
kevinwlip
Clasificación de texto
Este modelo es una versión afinada de distilbert-base-uncased en un conjunto de datos desconocido. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.6171, Precisión: 0.806, F1: 0.806, MSE: 0.401, MAE: 0.263.
Como usar
# Carga del modelo
from transformers import AutoModelForSequenceClassification, AutoTokenizer
modelo = AutoModelForSequenceClassification.from_pretrained("kevinwlip/financial-sentiment-model-5000-samples")
tokenizador = AutoTokenizer.from_pretrained("kevinwlip/financial-sentiment-model-5000-samples")
# Ejemplo de inferencia
textos = ["El mercado bursátil está subiendo.", "La economía está en recesión."]
entradas = tokenizador(textos, return_tensors="pt", padding=True, truncation=True)
salidas = modelo(**entradas)
Funcionalidades
- Afinado a partir del modelo distilbert-base-uncased
- Clasificación de texto
- Transformers
- Compatibilidad con TensorBoard
- Uso de Safetensors
Casos de uso
- Análisis de sentimientos financieros en noticias
- Evaluación de comentarios en redes sociales sobre el mercado financiero
- Análisis de reportes financieros