Hugging Face's logo

mini1013
/
master_cate_fd10

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd10 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
e4d8ac0 verified
preview code
|
raw
history blame contribute delete
13.4 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: 파인트리 홀그레인 머스타드 850g (주)우주식품디씨오피
- text: 오뚜기 오쉐프 마요네스 3.2kg 이금기 팬더굴소스 2kg 디에치커머스 주식회사
- text: 샘표 샤브샤브 담백한 육수 200g 외 10종 / 샤브육수소스 10. 티아시아 피넛소스 275g 주식회사 통통마트
- text: 해천 시그니처 굴소스 캔 2.27kg 대륙 깊은맛 주식회사 다솜식자재유통
- text: 청정원 토마토와 생크림 로제 스파게티소스 2kg 호호푸드
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: 0.9092549161104095
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:** 13 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 |
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 5.0 | <ul><li>'폰타나 발사믹 드레싱 270ml 더착한유통'</li><li>'벨레이 유기농 발사믹크림 250ml 발사믹소스 오크통숙성 와인식초 주식회사 감자스위트'</li><li>'쥬세페 크레모니니 발사믹크림 500ml 발사믹 소스 화남F.C'</li></ul> |
| 11.0 | <ul><li>'오뚜기 토마토 케찹(1kg) 금성식품 주식회사'</li><li>'하인즈 리듀스드 슈가 케찹 369g 외 5종 (노슈가 케찹 옐로우 머스타드 우스타 등) 2. 토마토케찹 342g (주)아이미에프에스'</li><li>'오뚜기 할라피뇨케챂 280G 다이어트 샐러드 가정용 식당용 미진통상'</li></ul> |
| 2.0 | <ul><li>'오뚜기 참깨돈까스소스 470G 1개 버킷마켓'</li><li>'미담채 옛날 돈가스 소스 1.9kg [업소용] 블레스(Bless)'</li><li>'오뚜기 부어먹는돈까스소스 2kg 돈가스 오므라이스 소스 수제 옛날 맛 통카스 2.1kg 오쉐프 서해 돈까스소스 1.9kg(PET) (주)수인식자재'</li></ul> |
| 6.0 | <ul><li>'오뚜기 스테이크소스 2.1kg 오뚜기 스테이크소스 2.1kg (주) 식자재민족'</li><li>'코스트코 A1 스테이크 소스 283g 스테이크소스 283g x 1 주식회사 로씨네'</li><li>'오뚜기 스테이크 소스 470g 솔드컵'</li></ul> |
| 0.0 | <ul><li>'백설 프리미엄 굴소스 350g 1개 백설 프리미엄 굴소스 350g 2개 주식회사베이비또'</li><li>'오뚜기 이금기 팬더 굴소스 스파우트팩 2kg 이금기 팬더 굴소스 스파우트팩 2kg (주) 식자재민족'</li><li>'CJ 제일제당 맛있는 우리집 백설 남해굴소스 500g 간단한 양념.레시피요리 레인보우'</li></ul> |
| 4.0 | <ul><li>'유기농 홀그레인 머스타드 겨자소스 200g 둘레푸드'</li><li>'오뚜기 홀그레인 머스타드 소스 280g 1개 더진컴퍼니'</li><li>'머스타드(모아하우스 623g) 더나인에스제이에프'</li></ul> |
| 8.0 | <ul><li>'폰타나 샐러드 소스 오리엔탈 드레싱 270g 이탈리안 드레싱 270g (주)두배로'</li><li>'대상 청정원 오리엔탈 드레싱 325g 대상 청정원 참깨 흑임자 드레싱 300g 행복마켓'</li><li>'오뚜기 오리엔탈어니언드레싱 소스 조미료 샐러드 다이어트 210G 1세트 청주그릇주방설비'</li></ul> |
| 3.0 | <ul><li>'오뚜기 담백한 소이마요 310g 주식회사 우창상사'</li><li>'풀무원 리얼디핑 핫스파이시마요 310g 요리 레시피 반찬거리 비법소스 식사준비 규비에스오퍼레이션'</li><li>'오뚜기 후레시 마요네즈 500g 에이치브이마켓'</li></ul> |
| 10.0 | <ul><li>'친수 베트남 오리지널 칠리소스 250g 친수 오리지널 핫 칠리소스(250g) 욤요미몰'</li><li>'피코크 살사소스450g(마일드) (영등포점) 주식회사 에스에스지닷컴'</li><li>'촐룰라 멕시코 핫소스 오리저널 150ml 멕시코 타코 요리 재료 (주)푸링'</li></ul> |
| 1.0 | <ul><li>'면사랑 멸치육수1.8L 프리미엄 밑국물 쌀국수, 찌개, 칼국수, 바지락, 멸치국물 바지락육수(유통기한:23년11월23일) (주)아이미에프에스'</li><li>'청수식품우동다시 1.8L1개 주식회사 밀레'</li><li>'청수 우동다시 1.8L / 국물 소스 육수 쯔유 가쓰오 참치액 일본식 간장 청수 우동다시 1.8L_1개 제이와이유통판매'</li></ul> |
| 7.0 | <ul><li>'헌트 엔젤라미아 스파게티소스 2.95kg 대용량 파스타소스 (주)동그랑'</li><li>'대상 청정원 구운 마늘과 양파 토마토 스파게티소스 600g 소암들'</li><li>'오뚜기 프레스코 미트 스파게티소스 600g 올템몰'</li></ul> |
| 9.0 | <ul><li>'기꼬만 쯔유 (혼쯔유 500m) 샤브샤브육수 메밀소바육수 일본우동다시 매크로온'</li><li>'코스트코 미즈칸 쯔유 1.8L 3배 농축 미쯔칸 라이트 코스트'</li><li>'아리아케-간사이우동쯔유 1.8L 3개 쿠팡'</li></ul> |
| 12.0 | <ul><li>'쏨땀 느억맘 태국 요리 피쉬 소스 욤요미몰'</li><li>'홍콩 삼게표 비엣흐엉 피쉬 소스 682ml 1개 분짜소스 헬시네이처'</li><li>'피쉬소스 느억맘 남플라 태국 액젓소스 700ml 세기푸드'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.9093 |
## 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_fd10")
# Run inference
preds = model("파인트리 홀그레인 머스타드 850g (주)우주식품디씨오피")
```
<!--
### 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 | 8.5284 | 19 |
| 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 | 16 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 15 |
### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0110 | 1 | 0.4378 | - |
| 0.5495 | 50 | 0.381 | - |
| 1.0989 | 100 | 0.1591 | - |
| 1.6484 | 150 | 0.0501 | - |
| 2.1978 | 200 | 0.0362 | - |
| 2.7473 | 250 | 0.0292 | - |
| 3.2967 | 300 | 0.0296 | - |
| 3.8462 | 350 | 0.0276 | - |
| 4.3956 | 400 | 0.0177 | - |
| 4.9451 | 450 | 0.007 | - |
| 5.4945 | 500 | 0.014 | - |
| 6.0440 | 550 | 0.0012 | - |
| 6.5934 | 600 | 0.0001 | - |
| 7.1429 | 650 | 0.0001 | - |
| 7.6923 | 700 | 0.0001 | - |
| 8.2418 | 750 | 0.0001 | - |
| 8.7912 | 800 | 0.0001 | - |
| 9.3407 | 850 | 0.0001 | - |
| 9.8901 | 900 | 0.0001 | - |
| 10.4396 | 950 | 0.0001 | - |
| 10.9890 | 1000 | 0.0001 | - |
| 11.5385 | 1050 | 0.0001 | - |
| 12.0879 | 1100 | 0.0001 | - |
| 12.6374 | 1150 | 0.0001 | - |
| 13.1868 | 1200 | 0.0001 | - |
| 13.7363 | 1250 | 0.0001 | - |
| 14.2857 | 1300 | 0.0001 | - |
| 14.8352 | 1350 | 0.0 | - |
| 15.3846 | 1400 | 0.0001 | - |
| 15.9341 | 1450 | 0.0001 | - |
| 16.4835 | 1500 | 0.0001 | - |
| 17.0330 | 1550 | 0.0001 | - |
| 17.5824 | 1600 | 0.0 | - |
| 18.1319 | 1650 | 0.0 | - |
| 18.6813 | 1700 | 0.0 | - |
| 19.2308 | 1750 | 0.0 | - |
| 19.7802 | 1800 | 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.*
-->