|
--- |
|
tags: |
|
- text-classification |
|
language: |
|
- pt |
|
widget: |
|
- text: "Gostei muito do serviço prestado" |
|
datasets: |
|
- ggrazzioli/cls_sentimento_sebrae |
|
co2_eq_emissions: |
|
emissions: 0.6308403394105772 |
|
--- |
|
|
|
# Model Trained |
|
|
|
- Problem type: Classificação de sentimentos em dataset interno do Sebrae RS |
|
- Model ID: 96390146647 |
|
- CO2 Emissions (in grams): 0.6308 |
|
- "id2label": {"0": "Negativo", "1": "Neutro", "2": "Positivo"} |
|
|
|
## Validation Metrics |
|
|
|
- Loss: 0.143 |
|
- Accuracy: 0.965 |
|
- Macro F1: 0.935 |
|
- Micro F1: 0.965 |
|
- Weighted F1: 0.964 |
|
- Macro Precision: 0.938 |
|
- Micro Precision: 0.965 |
|
- Weighted Precision: 0.964 |
|
- Macro Recall: 0.933 |
|
- Micro Recall: 0.965 |
|
- Weighted Recall: 0.965 |
|
|
|
|
|
## Usage |
|
|
|
Python API: |
|
|
|
``` |
|
from transformers import AutoModelForSequenceClassification, AutoTokenizer |
|
|
|
model = AutoModelForSequenceClassification.from_pretrained("ggrazzioli/cls_sentimento_sebrae") |
|
|
|
tokenizer = AutoTokenizer.from_pretrained("ggrazzioli/cls_sentimento_sebrae") |
|
|
|
inputs = tokenizer("Gostei muito dos serviços gerados, recomendo a todos!", return_tensors="pt") |
|
|
|
outputs = model(**inputs) |
|
``` |
