---
license: mit
base_model: xlm-roberta-base
tags:
- generated_from_trainer
metrics:
- precision
- recall
model-index:
- name: dutch_genre_classifier
  results: []
language:
- nl
pipeline_tag: text-classification
widget:
  - text: We zullen zien bij de \#verkiezingen2024
    example_title: tw
  - text: Meneer de minister, stemt u voor of tegen dit wetsvoorstel?
    example_title: par
  - text: Annie Geeraerts (97) en Ray Verhaeghe (97) werden recent nog officieel gehuldigd als het oudste soapkoppel ter wereld. Ook in 2024 denken ze nog niet aan stoppen. “Toen ik in het begin een contract van drie maanden kreeg vond ik dat al fantastisch lang, niet wetende dat het 32 jaar zou duren”, zegt Annie fier. “Het enige jammere is dat Albert nauwelijks nog zijn typische borreltjes mag drinken”, voegt Ray eraan toe. Showbits-reporter Jarne hoort het olijke duo uit over wat hun personages betekenen voor de trouwe soapfans.
    example_title: nws
---

<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->

# dutch_genre_classifier

This model is a fine-tuned version of [xlm-roberta-base](https://huggingface.co/xlm-roberta-base) on an unknown dataset.
It achieves the following results on the evaluation set:
- Loss: 0.1404
- Precision: 0.9713
- Recall: 0.9707
- Fscore: 0.9707

## Model description

More information needed

## Intended uses & limitations

More information needed

## Training and evaluation data

More information needed

## Training procedure

### Training hyperparameters

The following hyperparameters were used during training:
- learning_rate: 3e-05
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- gradient_accumulation_steps: 2
- total_train_batch_size: 16
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- lr_scheduler_warmup_ratio: 0.06
- num_epochs: 2.0
- mixed_precision_training: Native AMP

### Training results



### Framework versions

- Transformers 4.36.2
- Pytorch 2.1.2+cu121
- Datasets 2.16.1
- Tokenizers 0.15.0