metadata

tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 그로밋 안전벨트 인형 캐릭터 차량 귀여운 G스타일 안전벨트 멍멍이 인형 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트
  - text: >-
      메르세데스-벤츠 GLK 4pcs 패브릭 도어 보호 매트 안티 킥 장식 패드 02 빨간 출산/육아 > 카시트 > 카시트용품 >
      카시트기타용품
  - text: 스마트키드벨트 유아 안전벨트 인형 초등학생 카시트 소라(blue) 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트
  - text: >-
      유아 안전벨트 쿠션 인형 (어린이 차량용 커버,카시트) 03.(면)화이트유니콘_S(3점벨트카시트용추천) 출산/육아 > 카시트 >
      카시트용품 > 차량안전벨트
  - text: >-
      자동차 안전벨트 커버인형 크리에이티브 DIY 모델 귀여운 동물 MOC 빌딩 블록 애완 동물원 개 오리 거북이 펭귄 고양이 돼지 새
      토끼 장난감 28 CN00070-A13 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트
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
            name: Accuracy

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: 5 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
3.0	'조이 아이트래버 시그니처 아이사이즈 주니어카시트 출산/육아 > 카시트 > 주니어카시트' '[연휴전특가] 멀티 i-Size 색상선택 (아이사이즈 주니어 카시트) 출산/육아 > 카시트 > 주니어카시트' '[50% off] 페도라 위티 주니어 카시트 3종 선물 i-size 아이사이즈 출산/육아 > 카시트 > 주니어카시트'
4.0	'안전벨트 리본 쿠션 세트 베개 패드 가드 커버 인형 A 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트' '안전벨트인형 어린이안전벨트 유아 클립 카시트 커버 쿠션 2.그레이샤페이(1P) 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트' '자동차 인테리어 도어 매트 안티 킥 패드 보호 스티커 장식 하발 H6 - 액세서리 02 4 PCS 출산/육아 > 카시트 > 카시트용품 > 카시트기타용품'
0.0	'BLIVA 이노픽스 부스터 카시트 (ISOFIX) 매쉬블랙 출산/육아 > 카시트 > 부스터카시트' '벨럽 V50 주니어 부스터 카시트 (ISOFIX) 퀀텀블랙 출산/육아 > 카시트 > 부스터카시트' '에어보스 록키 휴대용 부스터 카시트 (ISOFIX) + 서포트 헤드쿠션 출산/육아 > 카시트 > 부스터카시트'
1.0	'폴레드 라이징스타 아이사이즈(i-Size) 신생아 바구니 카시트 트레블 시스템 출산/육아 > 카시트 > 신생아카시트' '싸이벡스 클라우드티 아이사이즈 신생아 바구니 회전형 카시트 / 클라우드 T 출산/육아 > 카시트 > 신생아카시트' '맥시코시 카브리오픽스 TC 바구니 카시트 그라파이트 출산/육아 > 카시트 > 신생아카시트'
2.0	'싸이벡스 제로나 티 아이사이즈 아기 유아 신생아 회전형 분리형 모듈 카시트 / 제로나 T 출산/육아 > 카시트 > 영유아카시트' '[◆빠른배송] 이지캐리2 휴대용 카시트 색상선택+목베개 출산/육아 > 카시트 > 영유아카시트' '다이치 블리바 360 프로 아이사이즈 출산/육아 > 카시트 > 영유아카시트'

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_bc30")
# Run inference
preds = model("스마트키드벨트 유아 안전벨트 인형 초등학생 카시트 소라(blue) 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	9	16.0733	40

Label	Training Sample Count
0.0	20
1.0	20
2.0	20
3.0	20
4.0	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
0.0333	1	0.5171	-
1.6667	50	0.3557	-
3.3333	100	0.0539	-
5.0	150	0.0002	-
6.6667	200	0.0	-
8.3333	250	0.0	-
10.0	300	0.0	-
11.6667	350	0.0	-
13.3333	400	0.0	-
15.0	450	0.0	-
16.6667	500	0.0	-
18.3333	550	0.0	-
20.0	600	0.0	-
21.6667	650	0.0	-
23.3333	700	0.0	-
25.0	750	0.0	-
26.6667	800	0.0	-
28.3333	850	0.0	-
30.0	900	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}
}