SetFit with mini1013/master_domain

This is a SetFit model that can be used for Text Classification. This SetFit model uses mini1013/master_domain as the Sentence Transformer embedding model. A LogisticRegression instance is used for classification.

The model has been trained using an efficient few-shot learning technique that involves:

Fine-tuning a Sentence Transformer with contrastive learning.
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
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 8 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
4.0	'휠라 어린이 인라인 스케이트 롤러 브레이드 스포츠/레저>인라인스케이트>주니어' 'O휠러스 글리터링 롤러스케이트 WR120 스포츠/레저>인라인스케이트>성인용' '아동 롤러블레이드 초등학생 인라인스케이트 사이즈조절형 스포츠/레저>인라인스케이트>주니어'
1.0	'전동롱보드 초보 스케이드 성인용 크루저 전기 스포츠/레저>스케이트/보드/롤러>스케이트보드' '롱보드 샵 스케이트 초보자 휠 댄스 스트리트 전문 성인 4륜 스포츠/레저>스케이트/보드/롤러>스케이트보드' '스네이크보드 보드 S 슬라이드 입문용 어린이 연습용 성인용 스포츠/레저>스케이트/보드/롤러>스네이크보드'
0.0	'전동 휠리스 플래시 바퀴달린 롤러 스케이트 불빛 신발 킥보드 4륜 스포츠/레저>스케이트/보드/롤러>롤러슈즈' '성인 발광 롤러스케이트 플래시 캔버스 남녀공용 휠 바퀴 스포츠/레저>스케이트/보드/롤러>롤러슈즈' '인라인스케이트 성인용 어린이용 롤러슈즈 힐리스 운동화 바퀴달린신발 휠리스 신발 스포츠/레저>스케이트/보드/롤러>롤러슈즈'
3.0	'Skaboots Walkable 하키 스케이트 가드 - 라지 사이즈 5-9 5 최대 블레이드 길이 28 11 129365 스포츠/레저>스케이트/보드/롤러>아이스스케이트' '피겨스케이트 커버 소프트 보호커버 동물 소커 털날집 블레이드 스포츠/레저>스케이트/보드/롤러>아이스스케이트' '아이스하키 장비 성인 가방 스포츠/레저>스케이트/보드/롤러>아이스스케이트'
2.0	'FREEDARE 스케이트보드 휠 83a 베어링 스페이서 크루저 휠 4개입 스포츠/레저>스케이트/보드/롤러>스케이트보드용품' '스케이트보드 진열대 거치대 양면 보드 스탠드 행거 스포츠/레저>스케이트/보드/롤러>스케이트보드용품' '48V 36V 충전기 XLR 소켓 4핀 전기 자전거 킥보드 항공 헤드 출력 42V 36V2A 스포츠/레저>스케이트/보드/롤러>스케이트보드용품'
7.0	'핑거보드 연습장 트랙 손가락 스케이트 소품 스포츠/레저>스케이트/보드/롤러>핑거보드' '핑거보드 데크 트랙 키트 미끄럼 전문가용 손가락 블랙리버 스래셔 내추럴스테인 스포츠/레저>스케이트/보드/롤러>핑거보드' '핑거보드판 슬로프 장소 미니 손가락 기물 세트 스케이트 장난감 꾸미기 스포츠/레저>스케이트/보드/롤러>핑거보드'
5.0	'롤러블레이드 어그레시브 초보 전문가용 사이즈조절 스포츠/레저>스케이트/보드/롤러>인라인용품' '스나이퍼코리아 발로타 불바퀴 씽씽카 발광바퀴 자전거 퀵보드 키즈바이크 보조바퀴 킥보드 LED바퀴 스포츠/레저>스케이트/보드/롤러>인라인용품' '휠러스 롤러스케이트 바퀴 끈 커스텀 매장정품 161561 스포츠/레저>스케이트/보드/롤러>인라인용품'
6.0	'10 적립홀리 접이식 듀얼브레이크 트라이더 W-3000 스포츠/레저>스케이트/보드/롤러>트라이스키' '이브살로몽 YVES SALOMON 벨티드 스키 수트 여성 P00867207 스포츠/레저>스케이트/보드/롤러>트라이스키' 'K2 토크백 88 스키 2022 여자 160 스포츠/레저>스케이트/보드/롤러>트라이스키'

Evaluation

Metrics

Label	Accuracy
all	1.0

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_sl17")
# Run inference
preds = model("전동 스케이트보드 원격제어 4륜 롱보드 성인 스포츠/레저>스케이트/보드/롤러>스케이트보드")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	9.5663	23

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	70
4.0	70
5.0	15
6.0	70
7.0	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
0.0101	1	0.4772	-
0.5051	50	0.4694	-
1.0101	100	0.2249	-
1.5152	150	0.0726	-
2.0202	200	0.0074	-
2.5253	250	0.0004	-
3.0303	300	0.0001	-
3.5354	350	0.0	-
4.0404	400	0.0	-
4.5455	450	0.0001	-
5.0505	500	0.0	-
5.5556	550	0.0	-
6.0606	600	0.0	-
6.5657	650	0.0	-
7.0707	700	0.0	-
7.5758	750	0.0	-
8.0808	800	0.0	-
8.5859	850	0.0	-
9.0909	900	0.0	-
9.5960	950	0.0	-
10.1010	1000	0.0	-
10.6061	1050	0.0	-
11.1111	1100	0.0	-
11.6162	1150	0.0	-
12.1212	1200	0.0	-
12.6263	1250	0.0	-
13.1313	1300	0.0	-
13.6364	1350	0.0	-
14.1414	1400	0.0	-
14.6465	1450	0.0	-
15.1515	1500	0.0	-
15.6566	1550	0.0	-
16.1616	1600	0.0	-
16.6667	1650	0.0	-
17.1717	1700	0.0	-
17.6768	1750	0.0	-
18.1818	1800	0.0	-
18.6869	1850	0.0	-
19.1919	1900	0.0	-
19.6970	1950	0.0	-
20.2020	2000	0.0	-
20.7071	2050	0.0	-
21.2121	2100	0.0	-
21.7172	2150	0.0	-
22.2222	2200	0.0	-
22.7273	2250	0.0	-
23.2323	2300	0.0	-
23.7374	2350	0.0	-
24.2424	2400	0.0	-
24.7475	2450	0.0	-
25.2525	2500	0.0	-
25.7576	2550	0.0	-
26.2626	2600	0.0	-
26.7677	2650	0.0	-
27.2727	2700	0.0	-
27.7778	2750	0.0	-
28.2828	2800	0.0	-
28.7879	2850	0.0	-
29.2929	2900	0.0	-
29.7980	2950	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

@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}
}

mini1013
/

master_cate_sl17