---
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: 잔디엣지 화단 경계 가든 정원 마당 잔디 분리대 테두리 그린 15cm x 50m 블랙_15cm x 50m 엔비스토어
- text: 마늘부직포 20g 160cm x 400m 냉해 서리방지 농업용 양파 월동 비닐하우스 보온 서리방지 부직포 20g_210cmX400m
케이eng
- text: 단열 온실재배기 홈가드닝 정원 꽃 식물재배 월동준비 1.5x2x2m 2m폭5m길이2m높이(골격미포함) 달담상사
- text: 목단묘목 2-3지 겹꽃 노지월동 모란 개화주 오리지널 목단 46.동팡진 농업회사법인 세종식물원 주식회사
- text: 원형 동그라미 사각 타원형 화분받침 물받이 화분 받침대 민자 소 원형 민자_브라운_4호 영농사
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: 0.9584072003272877
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:** 11 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>'손펌프 미니 물조리개 500ml 에이치앤엠'</li><li>'심플 파스텔 화분 물조리개 1.8L 가드닝 물조루 원예 JH15 파스텔 핑크 (주)엔티렉스'</li><li>'2L 물 엔틱실린더 물뿌리개 옐로우 준모NJM'</li></ul> |
| 4.0 | <ul><li>'초대형 개오지 조개 껍데기 바다의 소리 듣기 선물 컬렉션 소라 표본 1. AB 약 11-13cm 7. Y 약 14cm 지와이 실크로드'</li><li>'식물이름표 T형(소2미니) 100장묶음 흰라벨 화분이름표 식물라벨 4.T형(특대8)30장 무지개원예자재'</li><li>'색동나무 시트타입 그래피티니팅 가로수월동 SNW-04-90CM 마루온조경 주식회사'</li></ul> |
| 8.0 | <ul><li>'아임랙 슬림랙라인 2단 화분선반 철제 화분 받침대 플렌트 정리대 400x300x900 600x400_분리형1500(기본3단)_무드블랙 호레이몰(Hooray mall)'</li><li>'코팅 난대 10구 난분 화분걸이 난화분 정리 화분대 진열 코팅난대 10구 大 다온디포'</li><li>'라우 다육이 식물 화분 선반 베란다 선반대 거치대 철제 스탠드 받침대 진열대 거실 정리대 마칸 화분대 JS무역'</li></ul> |
| 9.0 | <ul><li>'플라스틱 화분받침대 동그라미 5호 내경140mm 황토(토기색) 베스트하우스'</li><li>'원형 동그라미 사각 타원형 화분받침 물받이 화분 받침대 민자 소 원형 민자_화이트_2호 영농사'</li><li>'이동식 원형 1호 화분받침대 바퀴 물받이 1_2원형물받침(바퀴미포함)_블랙_5호(32cm)(바퀴미포함) 주식회사 플라팜'</li></ul> |
| 6.0 | <ul><li>'음나무 가시없는 민엄나무 묘목 엄나무 2년 20-30cm 민엄나무 2년생 20-30cm 한밭농원'</li><li>'사철나무 1m 울타리나무 묘목 생울타리 개나리나무 1M 에버팜'</li><li>'넝쿨 장미나무 덩굴 사계장미 묘목 1-2지 영국장미 독일 04.독일고급정원장미_12. 노발리스 에버팜'</li></ul> |
| 1.0 | <ul><li>'옹기수반 돌확 고양이 분수 자동 스테인리스 스틸 더블 볼 먹이 식수 개 물 초저소음 Smart Sensor Set 드림월드'</li><li>'돌확 사각수반 인조 잔디 미끄럼 방지 야외 러그 매트 방향 출입구 0.5x2m 19.7X78.6in 에스유09'</li><li>'백년옹기 무공해 옴팽이옹기수반 항아리어항 중 백년옹기'</li></ul> |
| 3.0 | <ul><li>'썬킴 코코칩 압축형 3개 멀칭 분갈이흙 파충류바닥재 코코넛칩 코코넛바크 세척훈증처리 썬킴글로벌코리아'</li><li>'백 자갈 콩자갈 강자갈 백자갈_백자갈 20-27mm 10kg 주식회사 금'</li><li>'경인소재 규사 3호 4호 5호 6호 7호 25kg 반품불가 5호사(0.2~0.4mm) 한양피앤씨'</li></ul> |
| 7.0 | <ul><li>'화분 무광플레인 원형 화이트 소 인테리어 플라스틱화분 대형 도자기 분갈이 340~350(플라스틱화분)_349]낮은육각그레이(대) 그린데이'</li><li>'베하몰 표준형 토분 독일 키큰 21x25cm 클래식(황토색) 독일키큰 17x20cm_그래니트(크림화이트) 베스트하우스'</li><li>'슬릿화분 일본 플라스틱화분 젠가든 슬릿분 플분 eu06 [화이트]EU09 젠아파트먼트'</li></ul> |
| 10.0 | <ul><li>'네마크린 200g 딸기 작은 뿌리파리 방제 나방 유충 천적 방제 보밍'</li><li>'발효계분 20L 퇴비 거름 가축분 메리머치(Merry Merch)'</li><li>'심폐소생 250g/원예/비료/영양제 시네캠퍼스'</li></ul> |
| 2.0 | <ul><li>'천 폐기물 마당 PE 핸들 가방 더블 환경 퇴비 조립식비닐하우스 유기 주방 45 80cm 와이드캘리샾'</li><li>'관수상자 베이스 트레이 100장 플러그 모종 저면 모종판 삽목상자 육묘 푸른봄센터'</li><li>'농업용 서리방지 부직포 20g 1.7m x 400m 보온 못자리 덮개 양마 마늘 청년 농자재'</li></ul> |
| 5.0 | <ul><li>'크리스마스 와인 커버 인테리어 장식 선물 파티 데코 소품 병 니트 양말 물병 산타 루돌프 용품 산타 김양스토리(kimyang-story)'</li><li>'LED줄전구 컬러 트리 USB 투명선 300구 조명 리모컨 잇템직구'</li><li>'그물전구 조명 장식 네트 녹색선 200구 LED 백색 지니 홈픽마켓'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.9584 |
## 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_lh22")
# Run inference
preds = model("원형 동그라미 사각 타원형 화분받침 물받이 화분 받침대 민자 소 원형 민자_브라운_4호 영농사")
```
<!--
### 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 | 4 | 11.5982 | 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 |
### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0116 | 1 | 0.4612 | - |
| 0.5814 | 50 | 0.3432 | - |
| 1.1628 | 100 | 0.1133 | - |
| 1.7442 | 150 | 0.0601 | - |
| 2.3256 | 200 | 0.0364 | - |
| 2.9070 | 250 | 0.0199 | - |
| 3.4884 | 300 | 0.0272 | - |
| 4.0698 | 350 | 0.01 | - |
| 4.6512 | 400 | 0.0023 | - |
| 5.2326 | 450 | 0.0118 | - |
| 5.8140 | 500 | 0.0097 | - |
| 6.3953 | 550 | 0.0098 | - |
| 6.9767 | 600 | 0.0128 | - |
| 7.5581 | 650 | 0.003 | - |
| 8.1395 | 700 | 0.0002 | - |
| 8.7209 | 750 | 0.0001 | - |
| 9.3023 | 800 | 0.0 | - |
| 9.8837 | 850 | 0.0 | - |
| 10.4651 | 900 | 0.0 | - |
| 11.0465 | 950 | 0.0 | - |
| 11.6279 | 1000 | 0.0 | - |
| 12.2093 | 1050 | 0.0 | - |
| 12.7907 | 1100 | 0.0 | - |
| 13.3721 | 1150 | 0.0 | - |
| 13.9535 | 1200 | 0.0001 | - |
| 14.5349 | 1250 | 0.0 | - |
| 15.1163 | 1300 | 0.0 | - |
| 15.6977 | 1350 | 0.0 | - |
| 16.2791 | 1400 | 0.0 | - |
| 16.8605 | 1450 | 0.0 | - |
| 17.4419 | 1500 | 0.0 | - |
| 18.0233 | 1550 | 0.0 | - |
| 18.6047 | 1600 | 0.0 | - |
| 19.1860 | 1650 | 0.0 | - |
| 19.7674 | 1700 | 0.0 | - |
### 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.*
-->