distilbert-finetuned-sentiment-imdb

DistilBERT Base Uncased - Fine-tuned on IMDB

Ini adalah model DistilBERT Base Uncased yang telah di-fine-tune pada dataset IMDB untuk tugas klasifikasi sentimen. Model ini dapat mengklasifikasikan sebuah teks ulasan film ke dalam label POSITIVE atau NEGATIVE.

Model ini dibuat sebagai bagian dari proyek pembelajaran pribadi. Kode untuk proses training dapat ditemukan di repositori GitHub ini.

🚀 How to Use

Anda dapat menggunakan model ini secara langsung dengan pipeline dari library Transformers:

from transformers import pipeline

# Ganti dengan nama repo model Anda di Hugging Face
model_path = "DavaIlham/distilbert-finetuned-sentiment-imdb" 

# Muat pipeline
sentiment_analyzer = pipeline("sentiment-analysis", model=model_path)

# Lakukan prediksi
reviews = [
    "This is one of the best movies I have ever seen, a true masterpiece!",
    "The acting was wooden and the plot was completely nonsensical."
]

results = sentiment_analyzer(reviews)
print(results)
# Output yang diharapkan:
# [{'label': 'POSITIVE', 'score': 0.99...}, {'label': 'NEGATIVE', 'score': 0.99...}]

📈 Training & Evaluation

Training Procedure

Model ini dilatih menggunakan Trainer API dari library Hugging Face Transformers. Berikut adalah beberapa detail hyperparameters:

• Dataset: imdb
• Epochs: 3
• Optimizer: AdamW
• Learning Rate: 5e-5 (default dari Trainer)
• Batch Size: 16 (default dari Trainer)

Evaluation Results

Model ini dievaluasi pada split test dari dataset IMDB dan mencapai hasil sebagai berikut:

• Loss: 0.45617571473121643
• Accuracy: 0.91188
• F1-Score: 0.9118722130287433

👤 Author

• Dava Ilham Muhammad
• GitHub: @DavaIlham261

---

Tip: Di Hugging Face, Anda bisa langsung mengedit file README.md ini dari halaman repositori model Anda dengan mengklik "Edit model card".