---
tags:
- text-classification
- sentiment-analysis
- imdb
- distilbert
---

# 📢 DistilBERT Fine-Tuned para Análise de Sentimentos 🎭  

Este modelo é uma versão **DistilBERT** fine-tuned para **análise de sentimentos** em textos de avaliações de filmes. Ele classifica textos como **positivos** ou **negativos** com alta precisão.  

## 📖 Dataset  

O modelo foi treinado no dataset [IMDb](https://huggingface.co/datasets/imdb), contendo **50.000 avaliações de filmes** balanceadas entre rótulos positivos e negativos.  

## 📊 Avaliação  

A performance do modelo foi avaliada em um conjunto de teste com **25.000 avaliações**, obtendo os seguintes resultados:  

| Métrica         | Valor |
|----------------|-------|
| **Acurácia**   | 93.2% |
| **Precisão**   | 93%   |
| **Recall**     | 93%   |
| **F1-score**   | 93%   |

Essas métricas indicam que o modelo consegue prever corretamente avaliações de filmes na maioria dos casos.  

## 🚀 Como Usar  

Para utilizar o modelo, basta carregar com `transformers` e usar o pipeline de classificação de texto:  

```python
from transformers import pipeline

model_name = "gabrielnkl/fine-tuned-bert"

classifier = pipeline("text-classification", model=model_name)

text = "Esse filme foi incrível! Gostei muito das atuações e do enredo."
result = classifier(text)

print(result)
# [{'label': 'POSITIVE', 'score': 0.98}]

## 📊 Matriz de Confusão  

A matriz de confusão abaixo mostra o desempenho do modelo nas previsões:

![Matriz de Confusão](https://huggingface.co/gabrielnkl/fine-tuned-bert/resolve/main/matriz_confusao.png)