Create README.md

README.md

@@ -1,13 +1,78 @@
----
-title: '1111'
-emoji: 🐠
-colorFrom: gray
-colorTo: green
-sdk: gradio
-sdk_version: 5.49.1
-app_file: app.py
-pinned: false
-license: mit
+# BERT 乳癌存活預測訓練平台
+
+## 🎯 專案簡介
+
+這是一個互動式的 BERT 模型訓練平台，專門用於乳癌患者存活率預測。使用者可以上傳自己的資料集，調整訓練參數，並即時查看訓練結果。
+
+## ✨ 功能特色
+
+- **資料分析**: 自動分析上傳的 CSV 檔案，顯示資料分布
+- **模型訓練**: 使用 BERT-base-uncased 進行 fine-tuning
+- **類別平衡**: 支援權重調整以處理資料不平衡問題
+- **即時預測**: 訓練完成後可立即測試模型
+- **視覺化報告**: 提供詳細的訓練指標和混淆矩陣
+
+## 📋 使用步驟
+
+### 1. 準備資料
+準備包含以下欄位的 CSV 檔案：
+- `Text`: 病歷文本描述
+- `label`: 0（存活）或 1（死亡）
+
+### 2. 上傳資料
+在「資料上傳」頁面上傳您的 CSV 檔案，系統會自動分析資料分布。
+
+### 3. 調整參數
+在「模型訓練」頁面調整：
+- 權重倍數（處理類別不平衡）
+- 訓練輪數
+- 批次大小
+- 學習率
+
+### 4. 開始訓練
+點擊「開始訓練」按鈕，等待模型訓練完成。
+
+### 5. 測試預測
+在「模型預測」頁面輸入文本進行預測。
+
+## 🛠️ 技術規格
+
+- **基礎模型**: bert-base-uncased
+- **框架**: PyTorch + Transformers
+- **介面**: Gradio
+- **任務類型**: 二元分類
+
+## 📊 評估指標
+
+模型提供以下評估指標：
+- F1 Score
+- Accuracy
+- Precision & Recall
+- Sensitivity & Specificity
+- AUC (Area Under Curve)
+- 混淆矩陣
+
+## ⚠️ 注意事項
+
+1. **資料隱私**: 請確保上傳的資料已去識別化
+2. **資料量**: 建議至少 100 筆訓練資料
+3. **訓練時間**: 依資料量和參數設定，通常需要 5-15 分鐘
+4. **GPU 支援**: 使用 GPU 可顯著加速訓練
+
+## 🔗 相關資源
+
+- [BERT 論文](https://arxiv.org/abs/1810.04805)
+- [Transformers 文檔](https://huggingface.co/docs/transformers)
+- [Gradio 文檔](https://gradio.app/docs/)
+
+## 📝 授權
+
+MIT License
+
+## 👥 作者
+
+[您的名字]
+
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+*此專案僅供研究和教育用途，不應作為實際醫療決策的唯一依據。*