标签:

• 自动训练
• 文本分类
• 医疗健康
• 健康社会决定因素
• 健康的社会影响因素

语言:

• 英文

示例输入:

• 文本: "患者无家可归"
• 文本: "患者滥用处方药物"
• 文本: "患者经常挨饿，因为负担不起足够的食物"
• 文本: >- "患者家庭难以支付房租，面临被驱逐出公寓的风险"
• 文本: "患者居住的社区公共交通条件差"
• 文本: >- "患者曾遭受依赖性剥削，导致感到被利用和脆弱"
• 文本: >- "由于经济困难，患者家庭不得不搬去与亲戚同住"
• 文本: >- "患者的保险计划对某些预防性医疗服务（如筛查和疫苗）设有年度限额"
• 文本: >- "抑郁症可能诱发疾病或使其更难控制"
• 文本: >- "由于语言障碍，患者难以向医疗提供者沟通其病史"

数据集:

• reachosen/autotrain-data-sdohv7

二氧化碳当量排放: 排放量: 0.01134763220649804

管道标签: 文本分类

许可证: apache-2.0

使用AutoTrain训练的模型

• 问题类型: 多类别分类
• 模型ID: 3701198597
• 二氧化碳排放量（克）: 0.0113

验证指标

• 损失: 0.057
• 准确率: 0.990
• 宏观F1分数: 0.990
• 微观F1分数: 0.990
• 加权F1分数: 0.990
• 宏观精确率: 0.990
• 微观精确率: 0.990
• 加权精确率: 0.991
• 宏观召回率: 0.990
• 微观召回率: 0.990
• 加权召回率: 0.990

使用方法

您可以使用cURL访问此模型：

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoTrain"}' https://api-inference.huggingface.co/models/reachosen/autotrain-sdohv7-3701198597

或使用Python API：

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("reachosen/autotrain-sdohv7-3701198597", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("reachosen/autotrain-sdohv7-3701198597", use_auth_token=True)

inputs = tokenizer("The Patient is homeless", return_tensors="pt")

outputs = model(**inputs)