Hugging Face's logo

mini1013
/
master_cate_bc28

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_bc28 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
a904db2 verified
preview code
|
raw
history blame contribute delete
15 kB
---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: u자 바디필로우 임산부 인형 극세사 쿠션 보호 01 01 출산/육아 > 임산부용품 > 임산부바디필로우
- text: V크로스 쿨 임산부 팬티 랜덤 3종1세트(M-XXL) 204830 L 출산/육아 > 임산부용품 > 기타임산부용품
- text: 1+1/2+2 코르셋 밴딩 올인원 속옷 3 IN 1 올인원 속옷 민소매 뱃살보정 일체형 속옷 L（65-70kg）_살구색 X 1+블랙
X 1 출산/육아 > 임산부용품 > 태교용품 > 태교용구
- text: u자베개 바디필로우 죽부인베개 임신베개 U자 배게 플래티넘 출산/육아 > 임산부용품 > 임산부바디필로우
- text: 임산부 손목 산모 산후 보호대 아대 패드 핑크 출산/육아 > 임산부용품 > 임산부보호대
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:** 8 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 |
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 4.0 | <ul><li>'임산부복대 임부 허리 보호 지지대 산모 산전 10.얇은 심리스 임산부 복대_블랙XL 출산/육아 > 임산부용품 > 임산부보호대'</li><li>'프라하우스 임산부 산모 손목보호대(2개입) 원플러스원 세트 사이즈조절 메쉬 사계절보호대 손목보호대+발목보호대세트_선택4 손목 (스킨) + 발목 (블랙) 출산/육아 > 임산부용품 > 임산부보호대'</li><li>'임산부복대 임부 허리 보호 지지대 산모 산전 09.매쉬 산전산후겸용 벨트형_블랙XL 출산/육아 > 임산부용품 > 임산부보호대'</li></ul> |
| 2.0 | <ul><li>'메모리 방석 산모 임산부 원형 폼 상품선택_핑크 출산/육아 > 임산부용품 > 산모방석'</li><li>'[솔라히팅시트] 도넛방석 회음부 임산부산모 치루 원적외선방석 [명화]별이빛나는밤에_추가 시트커버(그레이) 출산/육아 > 임산부용품 > 산모방석'</li><li>'3D 메모리폼 회음부 엉덩이 쿠션 산모 도넛 방석 선택01)3D 남성용 메모리폼 방석_C.극세사 브라운 출산/육아 > 임산부용품 > 산모방석'</li></ul> |
| 5.0 | <ul><li>'비오템 비오베르제뛰르 튼살 크림 400ml 비오템튼살크림 +비오템 바디밀크 75ml ×2 출산/육아 > 임산부용품 > 임산부화장품'</li><li>'아기자기랩 양배추 가슴팩 28g 8매입 8매입 출산/육아 > 임산부용품 > 임산부화장품'</li><li>'베비루미 마더 케어 크림 200ml 출산/육아 > 임산부용품 > 임산부화장품'</li></ul> |
| 0.0 | <ul><li>'[매장발송] 탑텐키즈 아동) 독도의 날 캠페인 플리스 셋업 (MKC4IP3001) LCO_120 출산/육아 > 임산부용품 > 기타임산부용품'</li><li>'BODDYSIZE 여성용 임산부 반소매 브이넥 러플 맥시 불규칙한 롱 드레스, 블랙. Medium Black Medium_Pink 출산/육아 > 임산부용품 > 기타임산부용품'</li><li>'임밍아웃 이벤트 현관문 레터링 자유문구 남편 임신 알리기 서프라이즈 부모님 카드 축하선물 아빠가된걸축하해_8.화이트/어마어마한신랑_6.응애응애 출산/육아 > 임산부용품 > 기타임산부용품'</li></ul> |
| 3.0 | <ul><li>'아망떼 꿀잠 바디필로우 등쿠션 안고자는 베개 모음 31.코튼벨 등쿠션_커버_솜포함 노블핑크 출산/육아 > 임산부용품 > 임산부바디필로우'</li><li>'임산부바디필로우 배개 새로운 전신 수유 임신 베개 U 자형 출산 이동식 코튼 커버 70x130CM Gray S 출산/육아 > 임산부용품 > 임산부바디필로우'</li><li>'임산부 바디필로우 허리보호 임신 배받침 수면 쿠션 복부 지지대 블루 출산/육아 > 임산부용품 > 임산부바디필로우'</li></ul> |
| 7.0 | <ul><li>'남성 전술 바지 방수 긁힘 방지 폴라폴리스 팬츠 기모 전술바지 3XL_그린 출산/육아 > 임산부용품 > 태교용품 > 태교음반/DVD'</li><li>'도플러 태아심음측정기 초음파 우리 아기 심장 소리 심장 체크 화이트 JST-T501 블루 출산/육아 > 임산부용품 > 태교용품 > 태교용구'</li><li>'알루미늄 합금 주방 압력 조리기, 스토브 요리, 에너지 절약 안전 보호, 야외 캠 155550 18CM 3L 155550 20CM 4L 출산/육아 > 임산부용품 > 태교용품 > 태교용구'</li></ul> |
| 1.0 | <ul><li>'매일유업 맘스 앱솔루트 식이섬유 주스 오렌지200ml 24팩 오렌지쥬스24팩 출산/육아 > 임산부용품 > 모유수유차'</li><li>'맘스 앱솔루트 식이섬유주스 오렌지 200ml x 24팩 이중포장 매일유업 앱솔맘 맘스앱솔루트 식이섬유주스 오렌지x24팩 출산/육아 > 임산부용품 > 모유수유차'</li><li>'모유 차 맘라떼모아30포 + 유기농 스틸티 락타티20t 세트 출산/육아 > 임산부용품 > 모유수유차'</li></ul> |
| 6.0 | <ul><li>'유주글로벌 전자파차단담요 방사선방지천 전자파차단앞치마 전자파방지복대 임신출산축하 은회색 2겹(무료 테스트 펜) 출산/육아 > 임산부용품 > 전자파차단앞치마'</li><li>'이지스바디 전기장완화 카페 바리스타 임산부 방수 이쁜 고급 앞치마 에이프런 워크웨어 선물 차콜그레이_베이지 출산/육아 > 임산부용품 > 전자파차단앞치마'</li><li>'전자파 방사선 차단 속옷 임신 선물 란제리 임부복 핑크 고양이+테스트 펜 M 출산/육아 > 임산부용품 > 전자파차단앞치마'</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_bc28")
# Run inference
preds = model("임산부 손목 산모 산후 보호대 아대 패드 핑크 출산/육아 > 임산부용품 > 임산부보호대")
```
<!--
### 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 | 7 | 15.0119 | 28 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 15 |
| 2.0 | 70 |
| 3.0 | 70 |
| 4.0 | 70 |
| 5.0 | 70 |
| 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 | 0.4978 | - |
| 1.0101 | 100 | 0.2919 | - |
| 1.5152 | 150 | 0.0498 | - |
| 2.0202 | 200 | 0.019 | - |
| 2.5253 | 250 | 0.0011 | - |
| 3.0303 | 300 | 0.0001 | - |
| 3.5354 | 350 | 0.0001 | - |
| 4.0404 | 400 | 0.0001 | - |
| 4.5455 | 450 | 0.0 | - |
| 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
```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.*
-->