Hugging Face's logo

mini1013
/
master_cate_ac15

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_ac15 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
0398534 verified
preview code
|
raw
history blame contribute delete
18.9 kB
 ---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 스마일뱃지 제작 브로치 다양한 크기 문구 삽입가능 별빛(+300원)_뱃지 중(45mm)_200개~399개 맘스뱃지
- text: 고급 골지압박 타이즈 스타킹 유발 면 겨울 베이지 버징가마켓
- text: 겨울 목도리 여자 남자 캐시미어 니트 쁘띠 울 머플러 1_솜사탕-MS47 에스랑제이
- text: 손수건/무지손수건/등산손수건/스카프/등산손수건/두건/KC인증/인쇄가능/개별OPP 무지손수건 [무지손수건] 무지손수건(옐로우) 답돌이월드
- text: 동백꽃 부토니에 머리핀 코사지(K28) K28-06_머리핀 까만당나귀
inference: true
model-index:
- name: SetFit with mini1013/master_domain
results:
- task:
type: text-classification
name: Text Classification
dataset:
name: Unknown
type: unknown
split: test
metrics:
- type: metric
value: 0.8556701030927835
name: Metric
---
# SetFit with mini1013/master_domain
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance is used for classification.
The model has been trained using an efficient few-shot learning technique that involves:
1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
2. Training a classification head with features from the fine-tuned Sentence Transformer.
## Model Details
### Model Description
- **Model Type:** SetFit
- **Sentence Transformer body:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
- **Maximum Sequence Length:** 512 tokens
- **Number of Classes:** 20 classes
<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
### Model Labels
| Label | Examples |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 19.0 | <ul><li>'하복 여름용 시원한 베이직 네이비 정장 시선집중 봄 35_38 예이몰'</li><li>'하복 여름용 시원한 베이직 네이비 정장 시선집중 봄 35_42 예이몰'</li><li>'하복 여름용 시원한 베이직 네이비 정장 시선집중 봄 36B_40 예이몰'</li></ul> |
| 18.0 | <ul><li>'전통 십장생 금은사 금룡 오복 돌띠 남아 여아 돌 백일 여자 남자 애기 아기 한복 돌띠 5번 십장생돌띠(장색) 이제한복'</li><li>'여아 한복 머리띠 족두리 호박 홍시 배씨 장신구 여자 아기 돌 어린이 전통 자수 머리 띠 핀 호박 핀머리띠 레드 청아'</li><li>'엄마옷 삼베 리본 생활한복 두건 KD304133 중년여성 40 50 60대 마담 빅사이즈 할머니 미시 벽돌:FREE AKmall'</li></ul> |
| 17.0 | <ul><li>'[무료각인]자동차/캐리어 가죽키링/스마트키홀더/네임택/ 남자친구 여자친구 부모님 선물 T자형 (핑크)_골드(유광)_나눔손글씨펜체 더위드블루'</li><li>'귀여운 곰인형 키링 열쇠고리 스웨터 모자 최여시'</li><li>'[무료각인]자동차/캐리어 가죽키링/스마트키홀더/네임택/ 남자친구 여자친구 부모님 선물 T자형 (콰이즈블루)_골드(무광)_나눔바른고딕체 더위드블루'</li></ul> |
| 2.0 | <ul><li>'셔츠 넥 카라 레이어드 페이크 케이프 2type 둥근카라/화이트 도비77마켓'</li><li>'셔츠카라 넥케이프 페이크카라 레이어드카라 넥커프스 1-카라-화이트 오니온스'</li><li>'넥케이프 스카프 머플러 레이스 페이크 카라 작은 잎 화이트 모멘트1'</li></ul> |
| 12.0 | <ul><li>'[닥스](광주신세계) 양산 가드닝 PBU003Q 블랙(01) 주식회사 에스에스지닷컴'</li><li>'고급 우양산 남자 초경량 양산 우산 자외선차단 암막 그린 하트 쿨로미-네이비-커뮤니케이션 한정판 서민스토어'</li><li>'암막 하트펀칭코팅 양산 IPLQP40042 스카이 '</li></ul> |
| 5.0 | <ul><li>'캐시미어 머플러 FKU035 블루 롯데백화점1관'</li><li>'여성 겨울 니트 짜임 목도리 머플러 그레이 엠에스씨'</li><li>'엘르/칼린 롱 쁘띠 니트 머플러 SE04MP3000 택1 선택07 바네사끼움SE34MX304 브라운 AK플라자1관'</li></ul> |
| 16.0 | <ul><li>'부토니에 결혼식 무도회 꽃 장미 브로치 핀 진주 나비 신부 신랑 새틴 리본 액세서리 13 포시즌스트레이드'</li><li>'부토니에 결혼식용 인공 수국 꽃 실크 머리 50 개 Off White Leaves White Stems_50 PCS 포시즌스트레이드'</li><li>'코르사주 맞춤형 터키 깃털 머리장식 클립 닭 꼬리 코스튬 모자 DS230441 DS230442 포시즌스트레이드'</li></ul> |
| 11.0 | <ul><li>'BYC 본사 종아리압박밴드 SWG1300 BK(블랙)/F 홈앤쇼핑몰'</li><li>'5묶음 기모 고카바 넌슬립 (바닥실리콘) 아소트 코썸'</li><li>'팬티스타킹/덧신/양말/기모/속바지/판타롱/학생 2_9부 블랙 2매 규리몰'</li></ul> |
| 9.0 | <ul><li>'[1만원인하]에디티드 브리즈 썸머 원피스+니트숄 076/티파니블루/88 AKmall'</li><li>'어깨숄 어깨에 페이크니트 니트 두르는 가디건 여성 캐주얼 여성스런 숄망토 X. 캐러멜 구루미상회'</li><li>'[헬렌카민스키](신세계타임스퀘어점패션관)[공식] 헬렌카민스키 메르시에 판초 코트 LUWRCT00020 멜란지그레이_OS 주식회사 에스에스지닷컴'</li></ul> |
| 1.0 | <ul><li>'내셔널지오그래픽 악세사리 악세서리 메쉬쿨토시 1163327 BLACK_M(002) koreamk2'</li><li>'[LAP](신세계김해점)골지 베이직 워머 AP7AYA01 BK(블랙)_FF 주식회사 에스에스지닷컴'</li><li>'가을 겨울 페이크 후드 넥워머 니트 레이어드 바라클라바 모자 방한용품 베이지 다온마켓'</li></ul> |
| 8.0 | <ul><li>'여성 에티켓 손수건 레이스 무릎 덮개 대형 면 꽃무늬 에티켓03 서울타임즈'</li><li>'일본 수입 스누피 반다나 손수건 6종 스카우트아이보리 키티야'</li><li>'(지나산업)등산손수건/반다나/페이즐리/opp개별포장 블루 infnet16'</li></ul> |
| 15.0 | <ul><li>'카메라렌즈 커프스 남성 패션 소품 실버 행복세일웃음'</li><li>'블루 넥타이핀 커프스 버튼 831 와이셔츠 타이바 링크 소매 젠틀 안트 넥타이핀 엠에프샵'</li><li>'[6월남자] 카메라 렌즈 커프스 버튼 남자 정장 소품 골드 베라콘'</li></ul> |
| 0.0 | <ul><li>'미우미우 벨벳 헤어클립 헤어핀 MIUMIU Velvet hair clip 35.5 어리버리샵'</li><li>'허리늘리기 밴딩탭 슬랙스탭 허리조절 셀프수선고무줄 청바지탭 3P 호메르'</li><li>'수도동파방지 덮개 한파방지커버 수도계량기 보온재 비(B)'</li></ul> |
| 6.0 | <ul><li>'휴대용 접이식 캐릭터 부채 미니사이즈 KK99 6.딸기토끼 안미현'</li><li>'어린이부채만들기 04. ZIG캘리그라피펜 MS3400_42. MS-3400 / 070_PURE ORANGE 포장지세상'</li><li>'발롱 VF1 한국 무용 워십 너슬 부채춤 부채 팬베일 VF111 WR 우_L(35cm) 발롱'</li></ul> |
| 10.0 | <ul><li>'EP 모드 남성용 겨울 스카프 캐시미어 느낌 매우 부드럽고 따뜻함 다이아몬드 그리드 네이비 윈나인'</li><li>'개/대 남성 여성 가을 겨울 양면 컬러 매칭 스카프 모자 장갑 M89E DG 글로벌 엠에스 컴퍼니'</li><li>'하태하태 기념일선물 아마존 크로스 보더 남성 캐주얼 믹스매치하기좋은 여자들이좋아하는선물 Navy blue 리마110'</li></ul> |
| 4.0 | <ul><li>'에쎄 케이스 파우치 슬림형 20개비 빈티지 갑 메탈 보관함 남자친구선물 자동 A 다온마켓'</li><li>'소품보관 악세사리 가죽 전자 케이스 수납 네이비 갑자네'</li><li>'에스티듀퐁 뉴 라인2 전용 리필 가스 CNA000435 레드 주식회사 스타필드하남'</li></ul> |
| 13.0 | <ul><li>'강철 특수 부대 패치 와펜 707 UDT UDU SSU SART HID SEAL 해병대 L.SOU 밀리터리코리아'</li><li>'[NFL] F214ATO040 부클 복조리 크로스백 블랙_Free 롯데쇼핑(주) 프리미엄 아울렛 김해점'</li><li>'와팬 와펜 열접접착 자수 스티커 브러치 패치 마크 견장 51번부터 100번까지_55번 TNT몰'</li></ul> |
| 3.0 | <ul><li>'BTIE_102 그레이체크 니트 보타이(그레이 품절) 차콜 건강드림'</li><li>'다이아몬드컷팅된넥타이핀VMRTP1006 화이트 '</li><li>'푸르티민트향 치약 키즈세이프 60g 충치케어 키즈 4입 치아관리 잇몸냄새 입냄새제거 주식회사제이케이이노베이션'</li></ul> |
| 14.0 | <ul><li>'코지트리 반대로 접고 펴는 거꾸로 우산 거꾸로우산--스카이블루 투게이트'</li><li>'튼튼한 자동 3단우산 거꾸로 우산 반전 네이비 블루 패킹팩토리'</li><li>'[무료 각인서비스] 크로반 대형 자동장우산 KR3 파스텔브라운_폰트02 주식회사 크로반'</li></ul> |
| 7.0 | <ul><li>'브로치 옷핀브로치 진주브로치 브롯지 2_장미 부토니에(진주)-자주 조은상점'</li><li>'릭 오웬스 남성 블랙 클래식 플라이트 가죽 재킷 가죽 자켓 232232M175011 IT 44 주식회사 스마일벤처스'</li><li>'23FW 카사데이 드레스 슈즈 1F920W100M C14449000 42 주식회사 구하다'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.8557 |
## Uses
### Direct Use for Inference
First install the SetFit library:
```bash
pip install setfit
```
Then you can load this model and run inference.
```python
from setfit import SetFitModel
# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_ac15")
# Run inference
preds = model("고급 골지압박 타이즈 스타킹 유발 면 겨울 베이지 버징가마켓")
```
<!--
### Downstream Use
*List how someone could finetune this model on their own dataset.*
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:-------|:----|
| Word count | 3 | 10.322 | 25 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 50 |
| 1.0 | 50 |
| 2.0 | 50 |
| 3.0 | 50 |
| 4.0 | 50 |
| 5.0 | 50 |
| 6.0 | 50 |
| 7.0 | 50 |
| 8.0 | 50 |
| 9.0 | 50 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 50 |
| 13.0 | 50 |
| 14.0 | 50 |
| 15.0 | 50 |
| 16.0 | 50 |
| 17.0 | 50 |
| 18.0 | 50 |
| 19.0 | 50 |
### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 40
- body_learning_rate: (2e-05, 2e-05)
- head_learning_rate: 2e-05
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0064 | 1 | 0.3967 | - |
| 0.3185 | 50 | 0.3383 | - |
| 0.6369 | 100 | 0.2365 | - |
| 0.9554 | 150 | 0.1145 | - |
| 1.2739 | 200 | 0.0563 | - |
| 1.5924 | 250 | 0.0414 | - |
| 1.9108 | 300 | 0.0377 | - |
| 2.2293 | 350 | 0.0159 | - |
| 2.5478 | 400 | 0.0297 | - |
| 2.8662 | 450 | 0.0258 | - |
| 3.1847 | 500 | 0.0194 | - |
| 3.5032 | 550 | 0.0113 | - |
| 3.8217 | 600 | 0.0108 | - |
| 4.1401 | 650 | 0.0059 | - |
| 4.4586 | 700 | 0.0009 | - |
| 4.7771 | 750 | 0.0059 | - |
| 5.0955 | 800 | 0.0044 | - |
| 5.4140 | 850 | 0.004 | - |
| 5.7325 | 900 | 0.0023 | - |
| 6.0510 | 950 | 0.0004 | - |
| 6.3694 | 1000 | 0.0024 | - |
| 6.6879 | 1050 | 0.0007 | - |
| 7.0064 | 1100 | 0.0004 | - |
| 7.3248 | 1150 | 0.0002 | - |
| 7.6433 | 1200 | 0.0002 | - |
| 7.9618 | 1250 | 0.0003 | - |
| 8.2803 | 1300 | 0.0002 | - |
| 8.5987 | 1350 | 0.0001 | - |
| 8.9172 | 1400 | 0.0001 | - |
| 9.2357 | 1450 | 0.0001 | - |
| 9.5541 | 1500 | 0.0001 | - |
| 9.8726 | 1550 | 0.0001 | - |
| 10.1911 | 1600 | 0.0001 | - |
| 10.5096 | 1650 | 0.0001 | - |
| 10.8280 | 1700 | 0.0001 | - |
| 11.1465 | 1750 | 0.0001 | - |
| 11.4650 | 1800 | 0.0001 | - |
| 11.7834 | 1850 | 0.0001 | - |
| 12.1019 | 1900 | 0.0001 | - |
| 12.4204 | 1950 | 0.0001 | - |
| 12.7389 | 2000 | 0.0001 | - |
| 13.0573 | 2050 | 0.0001 | - |
| 13.3758 | 2100 | 0.0001 | - |
| 13.6943 | 2150 | 0.0001 | - |
| 14.0127 | 2200 | 0.0001 | - |
| 14.3312 | 2250 | 0.0001 | - |
| 14.6497 | 2300 | 0.0001 | - |
| 14.9682 | 2350 | 0.0001 | - |
| 15.2866 | 2400 | 0.0001 | - |
| 15.6051 | 2450 | 0.0001 | - |
| 15.9236 | 2500 | 0.0001 | - |
| 16.2420 | 2550 | 0.0001 | - |
| 16.5605 | 2600 | 0.0001 | - |
| 16.8790 | 2650 | 0.0001 | - |
| 17.1975 | 2700 | 0.0001 | - |
| 17.5159 | 2750 | 0.0001 | - |
| 17.8344 | 2800 | 0.0001 | - |
| 18.1529 | 2850 | 0.0001 | - |
| 18.4713 | 2900 | 0.0001 | - |
| 18.7898 | 2950 | 0.0001 | - |
| 19.1083 | 3000 | 0.0001 | - |
| 19.4268 | 3050 | 0.0001 | - |
| 19.7452 | 3100 | 0.0001 | - |
### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.46.1
- PyTorch: 2.4.0+cu121
- Datasets: 2.20.0
- Tokenizers: 0.20.0
## Citation
### BibTeX
```bibtex
@article{https://doi.org/10.48550/arxiv.2209.11055,
doi = {10.48550/ARXIV.2209.11055},
url = {https://arxiv.org/abs/2209.11055},
author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {Efficient Few-Shot Learning Without Prompts},
publisher = {arXiv},
year = {2022},
copyright = {Creative Commons Attribution 4.0 International}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
-->