single_label_unbiased_relevant_profession
ledigajobb
Clasificación de texto
Este modelo es una versión fine-tuned de xlm-roberta-base en el conjunto de datos None. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 1.5581, Precisión en K: 0.8934, Precisión: 0.5742.
Como usar
### Parámetros de Entrenamiento
- Tasa de aprendizaje: 2e-05
- Tamaño del lote de entrenamiento: 64
- Tamaño del lote de evaluación: 64
- Semilla: 42
- Optimizador: Adam con betas=(0.9,0.999) y epsilon=1e-08
- Tipo de programador de lr: lineal
- Número de épocas: 8
### Resultados de Entrenamiento
- Pérdida de Entrenamiento
- Época
- Paso
- Pérdida de Validación
- Precisión en K
- Precisión
4.1013
0.5
22700
2.6410
0.7356
0.4504
2.3359
1.0
45400
2.1112
0.8115
0.4979
1.9045
1.5
68100
1.9027
0.8428
0.5240
1.7084
2.0
90800
1.7826
0.8607
0.5340
1.5155
2.5
113500
1.7117
0.8711
0.5444
1.4211
3.0
136200
1.6643
0.8782
0.5493
1.2865
3.5
158900
1.6342
0.8812
0.5568
1.2357
4.0
181600
1.6077
0.8852
0.5588
1.1303
4.5
204300
1.6023
0.8873
0.5632
1.0987
5.0
227000
1.5784
0.8896
0.5652
1.0186
5.5
249700
1.5782
0.8904
0.5673
0.9982
6.0
272400
1.5712
0.8914
0.5707
0.9404
6.5
295100
1.5685
0.8920
0.5710
0.9263
7.0
317800
1.5615
0.8925
0.5725
0.8839
7.5
340500
1.5603
0.8929
0.5741
0.878
8.0
363200
1.5581
0.8934
0.5742```
Funcionalidades
- Pérdida: 1.5581
- Precisión en K: 0.8934
- Precisión: 0.5742
Casos de uso
- Clasificación de textos en diferentes áreas de interés.
- Extracción de información relevante a partir de grandes conjuntos de datos textuales.