Hugging Face's logo

mini1013
/
master_cate_fi8

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fi8 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
fa42359 verified
preview code
|
raw
history blame contribute delete
12.4 kB
 ---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 파고라 테라스 조립식 정자 방갈로 펜션 바베큐장 정원 팔각정 원두막 가구/인테리어>아웃도어가구>정자
- text: 흔들 의자 회전 공중 바구니 그네 라탄 베란다 로맨 -화이트-팔걸이 있음 가구/인테리어>아웃도어가구>정원그네
- text: 엔틱 철제 벤치 의자 등받이 정원 수목원 펜션 가구/인테리어>아웃도어가구>야외벤치
- text: 공원벤치 야외의자 철제 원목 방부목 평벤치 등받이 휴식 긴의자 테이블 세트 옥외용 가구/인테리어>아웃도어가구>야외벤치
- text: 폴리카보네이트 렉산골판 비가림 지붕자재 차양 FRP 가구/인테리어>아웃도어가구>기타아웃도어가구
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:** 6 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 |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 2.0 | <ul><li>'최화정 썬베드 피크닉 낮잠 비치체어 캠핑 접이식 휴대용 좌식의자 야외 가구/인테리어>아웃도어가구>야외의자'</li><li>'편의점플라스틱의자비치행사야외캠핑주점테이블파라솔 가구/인테리어>아웃도어가구>야외의자'</li><li>'수영장 카바나 풀파티 펜션 대형 소파 호텔 비치 태닝의자 카페 베드 썬베드 가구/인테리어>아웃도어가구>야외의자'</li></ul> |
| 0.0 | <ul><li>'아크릴 투명 어닝 고정 테라스 차양 현관 캐노피 베이 가구/인테리어>아웃도어가구>기타아웃도어가구'</li><li>'캐노픽스 렉산 차양 비막이 비가림 어닝 650X2100 가구/인테리어>아웃도어가구>기타아웃도어가구'</li><li>'기와 플라스틱 지붕자재 한옥 옛 중국식 기와 주택 벽장식 가구/인테리어>아웃도어가구>기타아웃도어가구'</li></ul> |
| 5.0 | <ul><li>'조립식정자 펜션 정원 정자만들기 조립식-3x3 미터 4 기둥 파빌리온 3면 시트 보드 테이블 가구/인테리어>아웃도어가구>정자'</li><li>'조립식평상 테라스 낚시터 세트 옥상 원목 정원 정자 접이식 베란다 피크닉 가구/인테리어>아웃도어가구>정자'</li><li>'시골 원두막 가구/인테리어>아웃도어가구>정자'</li></ul> |
| 4.0 | <ul><li>'야외 흔들의자 그네 벤치 원목 나무 카페 정원 펜션 가구/인테리어>아웃도어가구>정원그네'</li><li>'야외 흔들 의자 스윙체어 소파 흔들그네 카페 차양 가구/인테리어>아웃도어가구>정원그네'</li><li>'라탄 그네의자 덩굴의자 쿠션 요람 흔들의자 새둥지 가구/인테리어>아웃도어가구>정원그네'</li></ul> |
| 3.0 | <ul><li>'체어팩토리 마누카 테이블 600 철재 야외 테라스 정원 커피숍 카페 업소용 T5192 가구/인테리어>아웃도어가구>야외테이블'</li><li>'라탄 원목 디자이너 의자 테이블 세트 야외 방수 파 -의자4개 60cm스틸카본원탁조합 가구/인테리어>아웃도어가구>야외테이블'</li><li>'착한테이블 야외용테이블 원목 식탁 편의점 테라스 옥상 데크 4인 야외테이블 원목 농막 마당 테라스 가구/인테리어>아웃도어가구>야외테이블'</li></ul> |
| 1.0 | <ul><li>'야외 벤치 의자 체어 정원 광장 공원 철제 카페 테라스 야외용 가구/인테리어>아웃도어가구>야외벤치'</li><li>'웨이팅의자 야외벤치 버스 정류장 벤치 카페 공원 투명 휴게실 가구/인테리어>아웃도어가구>야외벤치'</li><li>'야외 벤치 의자 공원 카페 테라스 나무 스테인레스 원목 정류장 평벤치 긴 대기 가구/인테리어>아웃도어가구>야외벤치'</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_fi8")
# Run inference
preds = model("엔틱 철제 벤치 의자 등받이 정원 수목원 펜션 가구/인테리어>아웃도어가구>야외벤치")
```
<!--
### 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 | 2 | 10.1333 | 21 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 70 |
| 2.0 | 70 |
| 3.0 | 70 |
| 4.0 | 70 |
| 5.0 | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0120 | 1 | 0.4943 | - |
| 0.6024 | 50 | 0.497 | - |
| 1.2048 | 100 | 0.4986 | - |
| 1.8072 | 150 | 0.158 | - |
| 2.4096 | 200 | 0.015 | - |
| 3.0120 | 250 | 0.0001 | - |
| 3.6145 | 300 | 0.0 | - |
| 4.2169 | 350 | 0.0 | - |
| 4.8193 | 400 | 0.0 | - |
| 5.4217 | 450 | 0.0 | - |
| 6.0241 | 500 | 0.0 | - |
| 6.6265 | 550 | 0.0 | - |
| 7.2289 | 600 | 0.0 | - |
| 7.8313 | 650 | 0.0 | - |
| 8.4337 | 700 | 0.0 | - |
| 9.0361 | 750 | 0.0 | - |
| 9.6386 | 800 | 0.0 | - |
| 10.2410 | 850 | 0.0 | - |
| 10.8434 | 900 | 0.0 | - |
| 11.4458 | 950 | 0.0 | - |
| 12.0482 | 1000 | 0.0 | - |
| 12.6506 | 1050 | 0.0 | - |
| 13.2530 | 1100 | 0.0 | - |
| 13.8554 | 1150 | 0.0 | - |
| 14.4578 | 1200 | 0.0 | - |
| 15.0602 | 1250 | 0.0 | - |
| 15.6627 | 1300 | 0.0 | - |
| 16.2651 | 1350 | 0.0 | - |
| 16.8675 | 1400 | 0.0 | - |
| 17.4699 | 1450 | 0.0 | - |
| 18.0723 | 1500 | 0.0 | - |
| 18.6747 | 1550 | 0.0 | - |
| 19.2771 | 1600 | 0.0 | - |
| 19.8795 | 1650 | 0.0 | - |
| 20.4819 | 1700 | 0.0 | - |
| 21.0843 | 1750 | 0.0 | - |
| 21.6867 | 1800 | 0.0 | - |
| 22.2892 | 1850 | 0.0 | - |
| 22.8916 | 1900 | 0.0 | - |
| 23.4940 | 1950 | 0.0 | - |
| 24.0964 | 2000 | 0.0 | - |
| 24.6988 | 2050 | 0.0 | - |
| 25.3012 | 2100 | 0.0 | - |
| 25.9036 | 2150 | 0.0 | - |
| 26.5060 | 2200 | 0.0 | - |
| 27.1084 | 2250 | 0.0 | - |
| 27.7108 | 2300 | 0.0 | - |
| 28.3133 | 2350 | 0.0 | - |
| 28.9157 | 2400 | 0.0 | - |
| 29.5181 | 2450 | 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.*
-->