---
license: apache-2.0
datasets:
- eriktks/conll2002
language:
- es
metrics:
- precision
- recall
- f1
- accuracy
---
# LOS-MUCHACHOS

Este es modelo resultado de un finetuning de 
[FacebookAI/xlm-roberta-large-finetuned-conll03-english](https://huggingface.co/FacebookAI/xlm-roberta-large-finetuned-conll03-english) sobre el conll2002 dataset.
Los siguientes son los resultados sobre el conjunto de evaluación:
- Loss: 0.17227034270763397
- Precision: 0.8140103176758078
- Recall: 0.8423714526552403
- F1: 0.8279480806407071
- Accuracy: 0.9781214374225526


### Model Description

<!-- Provide a longer summary of what this model is. -->
Este modelo ha sido desarrollado para identificar y clasificar entidades nombradas (personas, ubicaciones, organizaciones, etc.) en texto en español. Se basa en la arquitectura [nombre del modelo base, por ejemplo, BERT, RoBERTa, etc.] y ha sido ajustado (fine-tuned) utilizando el conjunto de datos CoNLL-2002.

- **Developed by:** Aragangs.DEv
- **Under the tutelage of:** Raul de Piñeres
- **Model type:** []
- **Language(s) (NLP):** Español (es)
- **License:** Apache 2.0
- **Finetuned from model [optional]:** Modelo AranicoB

## Bias, Risks, and Limitations

<!-- This section is meant to convey both technical and sociotechnical limitations. -->
El modelo puede tener sesgos inherentes en los datos de entrenamiento. Podría no reconocer entidades de manera precisa en dialectos o variaciones regionales del español. Los usuarios deben ser conscientes de estas limitaciones y evaluar los resultados críticamente.

### Recommendations

<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
Los usuarios deben revisar los resultados para posibles sesgos y errores, especialmente cuando se utiliza en contextos críticos. Se recomienda un ajuste adicional con datos específicos del dominio para mejorar el rendimiento.


### Training hyperparameters

The following hyperparameters were used during training:
- eval_strategy="epoch",
- save_strategy="epoch",
- learning_rate=2e-5, # (Aprendizaje se esta cambiando)
- per_device_train_batch_size=4,
- per_device_eval_batch_size=8,
- num_train_epochs=5,
- weight_decay=0.1,
- max_grad_norm=1.0,
- adam_epsilon=1e-8,
- #fp16=True,
- save_total_limit=2,
- load_best_model_at_end=True,
- push_to_hub=True,
- metric_for_best_model="f1",
- seed=42,
    
### Training results
| Metric          | Value       |
|-----------------|-------------|
| eval_loss       | 0.17227034270763397 |
| eval_precision  | 0.8140103176758078 |
| eval_recall     | 0.8423714526552403 |
| eval_f1         | 0.8279480806407071 |
| eval_accuracy   | 0.9781214374225526 |
| eval_runtime    | 7.6283      |
| eval_samples_per_second | 198.995 |
| eval_steps_per_second   | 24.907  |
| epoch           | 5.0         |

| Label  | Precision | Recall | F1        | Number |
|--------|-----------|--------|------------|--------|
| LOC    | 0.8303085299455535 | 0.8440959409594095 | 0.8371454711802379 | 1084 |
| MISC   | 0.5976331360946746 | 0.5941176470588235 | 0.5958702064896756 | 340  |
| ORG    | 0.7989276139410187 | 0.8514285714285714 | 0.8243430152143845 | 1400 |
| PER    | 0.9174434087882823 | 0.9374149659863945 | 0.9273216689098251 | 735  |