mini1013/master_cate_sl27

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:

1. Fine-tuning a Sentence Transformer 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
• Classification head: a LogisticRegression instance
• Maximum Sequence Length: 512 tokens
• Number of Classes: 10 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
9.0	'엄브로 풋살화 주니어 엑셀레이터 사라 WIDE IN UF2V02W 스포츠/레저>축구>풋살화' '푸마 퓨처 7 플레이 TT V 주니어 10774001 스포츠/레저>축구>풋살화' '아동 키즈 주니어 풋살화 아식스 1154A090 011 스포츠/레저>축구>풋살화'
6.0	'22-23시즌 파리생제르망 메시유니폼 네이마르 음바페 아동용 성인용 유소년 축구유니폼 키즈 PSG 스포츠/레저>축구>축구의류' '토트넘 유니폼 어웨이 축구유니폼 반팔 어센틱 스포츠/레저>축구>축구의류' '미즈노 베이직 디자인 남여공용 빅로고 라운드넥 피스테 3C 그린 32YE3020 스포츠/레저>축구>축구의류'
5.0	'바주카골 고급 팝업 골대 충격흡수 접이식 휴대용 풋살 동호회 학교 체육 튼튼한 교구 스포츠/레저>축구>축구연습용품' '프로맥스 풋살골대 축구 미니게임 훈련 골대 6300TA2 스포츠/레저>축구>축구연습용품' '축구 접시콘 스포츠/레저>축구>축구연습용품'
2.0	'풋살공 게임볼 4호 풋살볼 풋살 축구용품 스타 축구 FB52405 스포츠/레저>축구>축구공' '스타 축구공 더 폴라리스 2000 4호 흰색노랑색 SB234 스포츠/레저>축구>축구공' '키카 이글200 축구공 그린 KFS-N102 스포츠/레저>축구>축구공'
8.0	'미즈노 다이나팩 모렐리아 2 프로 AS 풋살화 형광 GD241445 270 스포츠/레저>축구>축구화' '미즈노 축구화 모렐리아 네오 3 프로 MD P1GA238304 스포츠/레저>축구>축구화' '아디다스 코파 센스 1 HG 축구화 FZ3712 스포츠/레저>축구>축구화'
3.0	'PARIS SAINT-GERMAIN 비밀 파리생제르망 신가드 S M L SN-01 스포츠/레저>축구>축구보호대' '미즈노 축구용품 신가드 제로글라이드 정강이보호대 스포츠/레저>축구>축구보호대' '풋볼몬스터 신가드 슬리브 2p 정강이보호대 다리보호대 스포츠/레저>축구>축구보호대'
1.0	'TOP셀러 더블백 더플백 헬스 헬스장 망치 가방 짐백 축구 복싱 운동 가방 스포츠/레저>축구>축구가방>필드용' '디아도라 테니스 보스턴백 OFF 스포츠/레저>축구>축구가방>필드용' '스포츠트라이브 짐백 축구공가방 공가방 신발주머니 스포츠/레저>축구>축구가방>슈즈백'
4.0	'성인용 논슬립 양말 스포츠/레저>축구>축구양말' '훌리건 싱글 논슬립 스타킹 hss001whns2 축구 양말 스포츠/레저>축구>축구양말' '아디다스 성인 어른 축구화 풋살 양말 스타킹 260 남성 장목 양발 경기 남자 삭스 스포츠/레저>축구>축구양말'
0.0	'동호회 체육대회 축구 심판 접이식 수첩 경고카드 연필 심판용품 스포츠/레저>축구>기타축구용품' '볼 트래핑 축구 연습 리프팅 연습 2호 5호 어린이 축구교실 풋살 트레인 훈련 스포츠/레저>축구>기타축구용품' '선수교체판 번호사인 스포츠/레저>축구>기타축구용품'
7.0	'미즈노 모렐리아 축구 풋살 겨울 방한 남성 필드 장갑 스포츠/레저>축구>축구장갑' '나이키 매치 FA20 골키퍼장갑 CQ7799-637 스포츠/레저>축구>축구장갑' '푸마 퓨쳐 얼티메이트 NC 골키퍼장갑 04192301 스포츠/레저>축구>축구장갑'

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_sl27")
# Run inference
preds = model("스타 더프로페셔널 축구공 5호 SB3015 스포츠/레저>축구>축구공")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	8.7243	20

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	70
4.0	70
5.0	70
6.0	70
7.0	70
8.0	70
9.0	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
0.0073	1	0.4831	-
0.3650	50	0.4992	-
0.7299	100	0.3805	-
1.0949	150	0.1114	-
1.4599	200	0.0275	-
1.8248	250	0.0177	-
2.1898	300	0.0104	-
2.5547	350	0.0014	-
2.9197	400	0.0001	-
3.2847	450	0.0001	-
3.6496	500	0.0001	-
4.0146	550	0.0001	-
4.3796	600	0.0	-
4.7445	650	0.0	-
5.1095	700	0.0	-
5.4745	750	0.0	-
5.8394	800	0.0	-
6.2044	850	0.0	-
6.5693	900	0.0	-
6.9343	950	0.0	-
7.2993	1000	0.0	-
7.6642	1050	0.0	-
8.0292	1100	0.0	-
8.3942	1150	0.0	-
8.7591	1200	0.0	-
9.1241	1250	0.0	-
9.4891	1300	0.0	-
9.8540	1350	0.0	-
10.2190	1400	0.0	-
10.5839	1450	0.0	-
10.9489	1500	0.0	-
11.3139	1550	0.0	-
11.6788	1600	0.0	-
12.0438	1650	0.0	-
12.4088	1700	0.0	-
12.7737	1750	0.0	-
13.1387	1800	0.0	-
13.5036	1850	0.0	-
13.8686	1900	0.0	-
14.2336	1950	0.0	-
14.5985	2000	0.0	-
14.9635	2050	0.0	-
15.3285	2100	0.0	-
15.6934	2150	0.0	-
16.0584	2200	0.0	-
16.4234	2250	0.0	-
16.7883	2300	0.0	-
17.1533	2350	0.0	-
17.5182	2400	0.0	-
17.8832	2450	0.0	-
18.2482	2500	0.0	-
18.6131	2550	0.0	-
18.9781	2600	0.0	-
19.3431	2650	0.0	-
19.7080	2700	0.0	-
20.0730	2750	0.0	-
20.4380	2800	0.0	-
20.8029	2850	0.0	-
21.1679	2900	0.0	-
21.5328	2950	0.0	-
21.8978	3000	0.0	-
22.2628	3050	0.0	-
22.6277	3100	0.0	-
22.9927	3150	0.0	-
23.3577	3200	0.0	-
23.7226	3250	0.0	-
24.0876	3300	0.0	-
24.4526	3350	0.0	-
24.8175	3400	0.0	-
25.1825	3450	0.0	-
25.5474	3500	0.0	-
25.9124	3550	0.0	-
26.2774	3600	0.0	-
26.6423	3650	0.0	-
27.0073	3700	0.0	-
27.3723	3750	0.0	-
27.7372	3800	0.0	-
28.1022	3850	0.0	-
28.4672	3900	0.0	-
28.8321	3950	0.0	-
29.1971	4000	0.0	-
29.5620	4050	0.0	-
29.9270	4100	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}
}