File size: 18,626 Bytes
4b8ad3c |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 |
---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 바운티풀 프리미엄 코마사 사틴면 호텔 이불커버 Q 가구/인테리어>침구단품>이불커버
- text: 쇼파커버 사계절 담요 블랭킷 캠핑 이불 차박 대형 러그 가구/인테리어>침구단품>담요
- text: 플로라 시어서커 리플 여름 홑이불 SS 가구/인테리어>침구단품>홑이불
- text: 아이리스 포르토MT 모달 워싱 스프레드 Q 가구/인테리어>침구단품>스프레드
- text: 모던하우스 마이호텔 여름 모달혼방 고밀도워싱 차렵이불 S 가구/인테리어>침구단품>차렵이불
metrics:
- accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: mini1013/master_domain
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: accuracy
value: 1.0
name: Accuracy
---
# 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 |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 0.0 | <ul><li>'바보사랑 여기있소 침대시트 고정밴드 이불클립 8개입 2세트 가구/인테리어>침구단품>기타침구단품'</li><li>'밀림방지 원터치 침구고정핀 이불 침대시트 소파커버 고정클립 가구/인테리어>침구단품>기타침구단품'</li><li>'두잉썸 고밀도 80수 베개커버 가구/인테리어>침구단품>기타침구단품'</li></ul> |
| 9.0 | <ul><li>'템퍼 프로 플러스 미디엄 타퍼 가구/인테리어>침구단품>토퍼'</li><li>'아망떼 뉴데이즈 세미마이크로 고정밴드 토퍼SS Q K 가구/인테리어>침구단품>토퍼'</li><li>'아이스 쿨 매트리스 토퍼 가구/인테리어>침구단품>토퍼'</li></ul> |
| 10.0 | <ul><li>'숙면연구소 베이직 토퍼매트리스 전용 일자형 방수속커버 Q 가구/인테리어>침구단품>토퍼커버'</li><li>'아망떼 리틀캣 알러지케어 요커버SS Q 가구/인테리어>침구단품>토퍼커버'</li><li>'두꺼운 퀼트 매트리스 커버 코튼 프로텍터 부드러운 진드기 토퍼 저자극성 공기 투과성 침대 가구/인테리어>침구단품>토퍼커버'</li></ul> |
| 11.0 | <ul><li>'극세사 겨울 스프레드 침대패드 토퍼 가구/인테리어>침구단품>패드>더블/퀸/킹패드'</li><li>'헬로우슬립 부드럽고 따뜻한 겨울 밀크 극세사 고정밴딩 침대패드 Q K - 가구/인테리어>침구단품>패드>싱글/슈퍼싱글패드'</li><li>'파르페by알레르망 스노우쿨 듀라론 냉감 3중직 패드 Q 가구/인테리어>침구단품>패드>더블/퀸/킹패드'</li></ul> |
| 1.0 | <ul><li>'플란넬 담요 겨울 무릎 캠핑 극세사 미니 대형 가구/인테리어>침구단품>담요'</li><li>'대형 캠핑 감성 블랭킷 담요 카페트 3종 가구/인테리어>침구단품>담요'</li><li>'방콕 극세사 겨울 잠옷 입는담요 가구/인테리어>침구단품>담요'</li></ul> |
| 2.0 | <ul><li>'먼지없는 부드러운 포인트라인 침대패드 슈퍼싱글 가구/인테리어>침구단품>매트/침대커버>싱글/슈퍼싱글침대커버'</li><li>'머쉬룸 매트리스커버 방수 침대 커버 순면 매트 시트 오가닉코튼 싱글 퀸 킹 누빔 알러지케어 K킹 가구/인테리어>침구단품>매트/침대커버>싱글/슈퍼싱글매트커버'</li><li>'인테리어포스터 벽장식 패브릭 대형 오아시스 중 집꾸미기 인테리어소품 포스터 가구/인테리어>침구단품>매트/침대커버>싱글/슈퍼싱글침대커버'</li></ul> |
| 8.0 | <ul><li>'모던하우스 슈퍼쿨 다니엘 쿨링 매쉬 이불 S 가구/인테리어>침구단품>차렵이불'</li><li>'세사 버터링 알러지케어 차렵이불 S 가구/인테리어>침구단품>차렵이불'</li><li>'알레르망 플레인 80수 고밀도 바이오워싱 호텔식 무봉제 차렵이불 S/SS 가구/인테리어>침구단품>차렵이불'</li></ul> |
| 3.0 | <ul><li>'오너클랜 캐릭터 롤카펫 극세사 무릎담요 선인장 어린이 학생 가구/인테리어>침구단품>무릎담요'</li><li>'알쏭달쏭 캐치티니핑 극세사 로얄핑 담요 100x70 집순이 블랭킷 차박 학생 사무실 캐릭터담요 가구/인테리어>침구단품>무릎담요'</li><li>'조구만 스튜디오 무지개 담요 가구/인테리어>침구단품>무릎담요'</li></ul> |
| 4.0 | <ul><li>'이솔홈 이음 피그먼트 순면 모달벨벳 이불 패드 스프레드 가구/인테리어>침구단품>스프레드'</li><li>'차렵이불세트 60수 아사 순면 스프레드 S 싱글 가구/인테리어>침구단품>스프레드'</li><li>'소오미홈 에코 벨로아 모달 줄누비 양면 싱글 퀸 킹패드 가구/인테리어>침구단품>스프레드'</li></ul> |
| 7.0 | <ul><li>'더크린 라이너 세미마이크로 온수매트커버 Q그레이 가구/인테리어>침구단품>전기매트커버'</li><li>'방수 두꺼운 보호대 커버 탄성 밴드 고정 시트 가정용 퀼트 패드 침대 가구/인테리어>침구단품>전기매트커버'</li><li>'매트 커버 꽃 시트 3색 지퍼 리스 용 단품 온수 장판 u자 전기 침대 가구/인테리어>침구단품>전기매트커버'</li></ul> |
| 5.0 | <ul><li>'라이크홈 에코항균 누빔 요커버 S 가구/인테리어>침구단품>요>요커버'</li><li>'올리비아데코 베리메리 60수 아사 요세트 Q 가구/인테리어>침구단품>요>요세트'</li><li>'더블샵 3단 접이식 요매트 2인용 매트리스 가구/인테리어>침구단품>요>요세트'</li></ul> |
| 12.0 | <ul><li>'파르페 썸머 뱀부서커 여름 홑이불 MINI 가구/인테리어>침구단품>홑이불'</li><li>'엘르파리 엘르 파리 포엠 냉감 홑이불 S 가구/인테리어>침구단품>홑이불'</li><li>'기라로쉬 인견 여름홑이불 160x200 가구/인테리어>침구단품>홑이불'</li></ul> |
| 6.0 | <ul><li>'아이리스 릴라WH 면 홑겹 이불커버 Q 가구/인테리어>침구단품>이불커버'</li><li>'한파용 80수 폴란드 구스 극세사 알러지케어 이불커버 -싱글 가구/인테리어>침구단품>이불커버'</li><li>'사슴 이불 동물 베개커버 꽃밭 이불커버 귀여운 침구-6 가구/인테리어>침구단품>이불커버'</li></ul> |
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 1.0 |
## 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_fi11")
# Run inference
preds = model("플로라 시어서커 리플 여름 홑이불 SS 가구/인테리어>침구단품>홑이불")
```
<!--
### 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 | 8.8067 | 23 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 70 |
| 2.0 | 70 |
| 3.0 | 70 |
| 4.0 | 70 |
| 5.0 | 50 |
| 6.0 | 70 |
| 7.0 | 70 |
| 8.0 | 70 |
| 9.0 | 70 |
| 10.0 | 70 |
| 11.0 | 70 |
| 12.0 | 70 |
### Training Hyperparameters
- batch_size: (256, 256)
- num_epochs: (30, 30)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 50
- body_learning_rate: (2e-05, 1e-05)
- head_learning_rate: 0.01
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- l2_weight: 0.01
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0057 | 1 | 0.5104 | - |
| 0.2874 | 50 | 0.4986 | - |
| 0.5747 | 100 | 0.3956 | - |
| 0.8621 | 150 | 0.1871 | - |
| 1.1494 | 200 | 0.0555 | - |
| 1.4368 | 250 | 0.017 | - |
| 1.7241 | 300 | 0.0073 | - |
| 2.0115 | 350 | 0.0015 | - |
| 2.2989 | 400 | 0.0003 | - |
| 2.5862 | 450 | 0.0002 | - |
| 2.8736 | 500 | 0.0001 | - |
| 3.1609 | 550 | 0.0001 | - |
| 3.4483 | 600 | 0.0001 | - |
| 3.7356 | 650 | 0.0001 | - |
| 4.0230 | 700 | 0.0001 | - |
| 4.3103 | 750 | 0.0001 | - |
| 4.5977 | 800 | 0.0001 | - |
| 4.8851 | 850 | 0.0001 | - |
| 5.1724 | 900 | 0.0 | - |
| 5.4598 | 950 | 0.0 | - |
| 5.7471 | 1000 | 0.0 | - |
| 6.0345 | 1050 | 0.0 | - |
| 6.3218 | 1100 | 0.0 | - |
| 6.6092 | 1150 | 0.0 | - |
| 6.8966 | 1200 | 0.0 | - |
| 7.1839 | 1250 | 0.0 | - |
| 7.4713 | 1300 | 0.0001 | - |
| 7.7586 | 1350 | 0.0 | - |
| 8.0460 | 1400 | 0.0 | - |
| 8.3333 | 1450 | 0.0 | - |
| 8.6207 | 1500 | 0.0 | - |
| 8.9080 | 1550 | 0.0 | - |
| 9.1954 | 1600 | 0.0 | - |
| 9.4828 | 1650 | 0.0 | - |
| 9.7701 | 1700 | 0.0 | - |
| 10.0575 | 1750 | 0.0 | - |
| 10.3448 | 1800 | 0.0 | - |
| 10.6322 | 1850 | 0.0 | - |
| 10.9195 | 1900 | 0.0 | - |
| 11.2069 | 1950 | 0.0 | - |
| 11.4943 | 2000 | 0.0 | - |
| 11.7816 | 2050 | 0.0 | - |
| 12.0690 | 2100 | 0.0 | - |
| 12.3563 | 2150 | 0.0 | - |
| 12.6437 | 2200 | 0.0 | - |
| 12.9310 | 2250 | 0.0 | - |
| 13.2184 | 2300 | 0.0 | - |
| 13.5057 | 2350 | 0.0 | - |
| 13.7931 | 2400 | 0.0 | - |
| 14.0805 | 2450 | 0.0 | - |
| 14.3678 | 2500 | 0.0 | - |
| 14.6552 | 2550 | 0.0 | - |
| 14.9425 | 2600 | 0.0 | - |
| 15.2299 | 2650 | 0.0 | - |
| 15.5172 | 2700 | 0.0 | - |
| 15.8046 | 2750 | 0.0 | - |
| 16.0920 | 2800 | 0.0 | - |
| 16.3793 | 2850 | 0.0 | - |
| 16.6667 | 2900 | 0.0 | - |
| 16.9540 | 2950 | 0.0 | - |
| 17.2414 | 3000 | 0.0 | - |
| 17.5287 | 3050 | 0.0 | - |
| 17.8161 | 3100 | 0.0 | - |
| 18.1034 | 3150 | 0.0 | - |
| 18.3908 | 3200 | 0.0 | - |
| 18.6782 | 3250 | 0.0 | - |
| 18.9655 | 3300 | 0.0 | - |
| 19.2529 | 3350 | 0.0 | - |
| 19.5402 | 3400 | 0.0 | - |
| 19.8276 | 3450 | 0.0 | - |
| 20.1149 | 3500 | 0.0 | - |
| 20.4023 | 3550 | 0.0 | - |
| 20.6897 | 3600 | 0.0 | - |
| 20.9770 | 3650 | 0.0 | - |
| 21.2644 | 3700 | 0.0 | - |
| 21.5517 | 3750 | 0.0 | - |
| 21.8391 | 3800 | 0.0 | - |
| 22.1264 | 3850 | 0.0 | - |
| 22.4138 | 3900 | 0.0 | - |
| 22.7011 | 3950 | 0.0 | - |
| 22.9885 | 4000 | 0.0 | - |
| 23.2759 | 4050 | 0.0 | - |
| 23.5632 | 4100 | 0.0 | - |
| 23.8506 | 4150 | 0.0 | - |
| 24.1379 | 4200 | 0.0 | - |
| 24.4253 | 4250 | 0.0 | - |
| 24.7126 | 4300 | 0.0 | - |
| 25.0 | 4350 | 0.0 | - |
| 25.2874 | 4400 | 0.0 | - |
| 25.5747 | 4450 | 0.0 | - |
| 25.8621 | 4500 | 0.0 | - |
| 26.1494 | 4550 | 0.0 | - |
| 26.4368 | 4600 | 0.0 | - |
| 26.7241 | 4650 | 0.0 | - |
| 27.0115 | 4700 | 0.0 | - |
| 27.2989 | 4750 | 0.0 | - |
| 27.5862 | 4800 | 0.0 | - |
| 27.8736 | 4850 | 0.0 | - |
| 28.1609 | 4900 | 0.0 | - |
| 28.4483 | 4950 | 0.0 | - |
| 28.7356 | 5000 | 0.0 | - |
| 29.0230 | 5050 | 0.0 | - |
| 29.3103 | 5100 | 0.0 | - |
| 29.5977 | 5150 | 0.0 | - |
| 29.8851 | 5200 | 0.0 | - |
### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0
- Sentence Transformers: 3.3.1
- Transformers: 4.44.2
- PyTorch: 2.2.0a0+81ea7a4
- Datasets: 3.2.0
- Tokenizers: 0.19.1
## 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.*
--> |