Hugging Face's logo

mini1013
/
master_cate_bt8_test

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_bt8_test / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
8aaaba2 verified
preview code
|
raw
history blame
11.6 kB
metadata
base_model: mini1013/master_domain
library_name: setfit
metrics:
  - accuracy
pipeline_tag: text-classification
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 듀크레이 덱시안 메드 아이리드 크림 15ml 피부과 옵션없음 비타콕
  - text: 라벤더 일회용 여성로션 3ML 옵션없음 동양유통
  - text: KAHI 멀티밤 리필키트 x 2개 옵션없음 에프엔지트렌드
  - text: 토니어 유기농 호호바 오일 30ml 옵션없음 주식회사 아람케이
  - text: 치카이치코 누드 판타지 화이트닝 크림 55ml 옵션없음 다물다선
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: accuracy
            value: 0.821590909090909
            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:

  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 Sources

Model Labels

Label Examples
6.0
  • '가히 멀티 밤 리필형 9g x 1개(본품) + 9g x 3개(리필) 옵션없음 주식회사 제이제이몰'
  • '김정문알로에 큐어플러스 인텐시브 2x 크림 50g 3개 옵션없음 리틀리아'
  • 'Good Molecules 젠틀 레티놀 크림 레티놀과 바쿠치올이 함유된 나이트 과색소 침 옵션없음 비포유'
1.0
  • '크리니크 드라마티컬리 디퍼런트 모이스처라이징 젤 125ml(건성, 중복합) 옵션없음 옐로우로켓'
  • '크리니크 드라마티컬리 디퍼런트 모이스처라이징 젤 125ml(건성, 중복합성) 옵션없음 샹양무역 유한회사'
  • '[케이스훼손] 더 후 공진향 인양 로션 110ml (케이스훼손) 인양 로션. 주식회사 포러스'
10.0
  • '한율 송담 탄력 기초 2종 세트 (스킨+에멀젼) 기초 스킨 로션 여성 부모님화장품 스킨+에멀젼+아이크림+크림 홈뷰티샵'
  • '오휘 더 퍼스트 제너츄어 3종 스페셜 세트 옵션없음 브라우니박스2'
  • '쟝블랑 그린티 밸런싱 여성 3종세트 옵션없음 아 이리스'
7.0
  • '[SKINFOOD] 캐롯 카로틴 카밍 워터패드 30매 (NEW 집게+패드케이스 ) 당근 (주)더블유컨셉코리아'
  • '메디힐 티트리 트러블 패드 100매 + 리필 100매 옵션없음 미뇨네'
  • '프리업 원더 포어 클리어 패드 휴대용 키트 10개입 옵션없음 주식회사 브랜드커머스'
4.0
  • '에뛰드 모이스트풀 콜라겐 아이 크림 28ml Moistfull Collagen Eye Cream 옵션없음 월드세븐'
  • '마티나겝하르트 아보카도 아이크림 15ml 옵션없음 포비티엘'
  • '가히 아이밤 옵션없음 남영오'
9.0
  • '안나홀츠 호호바오일 에코서트인증 유기농 압착 비정제 천연 호호바오일 60ml 2병 옵션없음 (주)안나홀츠'
  • '스킨아이 유기농 티트리 오일 옵션없음 폴슨 주식회사(FOLSN Inc.)'
  • '[3개세트] 유기농 티트리 오일 10ml 옵션없음 주식회사 보나쥬르'
0.0
  • '멀티밤스틱 주름지우개 보툴레닌 기가스틱 넥스젠바이오'
  • '벨라수 데콜테 넥크림 50ml 벨라수'
  • '종근당 CKD 레티노 콜라겐 저분자 300 괄사 목주름 크림 50ml 동의함 일랑팩토리'
8.0
  • 'AHC 누드톤업크림 내추럴글로우 40ml 옵션없음 가온'
  • 'AHC 아우라 시크릿 톤업크림 50g 옵션없음 마리공주'
  • 'AHC 톤업크림 아우라 시크릿 50g 옵션없음 쇼핑사거리'
2.0
  • '자트인사이트 울트라 셋팅 진짜 픽서 50ml 2개 옵션없음 솔마켓'
  • 'ECLADO (1+1) NK-CX 프로틴 포텐 부스터 100ml 뿌리는 단백질 [1+1]NK-CX 포텐부스터 하이그래'
  • 'CNP 차앤박 프로폴리스 에너지 앰플 미스트 250ml 1개 옵션없음 주식회사 아이지비'
3.0
  • '네이처리퍼블릭 리얼 스퀴즈 알로에 베라 토너 150ml(신형) 옵션없음 마켓유'
  • '허브 솔루션 위치하젤 토너 500ml / 1개 허브 솔루션 알로에 베라 토너 500ml 듀얼샵'
  • '르네셀 멀티 펩타이드 토너(재고정리) 옵션없음 숙이네 잡화'
5.0
  • '브링그린 알로에 99% 수딩 젤 300ml(민감성)/JL 옵션없음 주식회사 제이엘'
  • '브링그린 알로에 99% 수딩젤 300ml 옵션없음 모현'
  • '350211 포어 슈링커 바쿠치올 세럼 50ml 옵션없음 제이에프무역'

Evaluation

Metrics

Label Accuracy
all 0.8216

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_bt8_test")
# Run inference
preds = model("라벤더 일회용 여성로션 3ML 옵션없음 동양유통")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 4 9.2179 23
Label Training Sample Count
0.0 18
1.0 18
2.0 22
3.0 20
4.0 32
5.0 30
6.0 40
7.0 23
8.0 17
9.0 14
10.0 23

Training Hyperparameters

  • batch_size: (512, 512)
  • num_epochs: (40, 40)
  • 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
0.0385 1 0.4822 -
1.9231 50 0.3286 -
3.8462 100 0.0503 -
5.7692 150 0.028 -
7.6923 200 0.0213 -
9.6154 250 0.0084 -
11.5385 300 0.0002 -
13.4615 350 0.0001 -
15.3846 400 0.0001 -
17.3077 450 0.0001 -
19.2308 500 0.0001 -
21.1538 550 0.0001 -
23.0769 600 0.0001 -
25.0 650 0.0001 -
26.9231 700 0.0 -
28.8462 750 0.0 -
30.7692 800 0.0 -
32.6923 850 0.0 -
34.6154 900 0.0 -
36.5385 950 0.0 -
38.4615 1000 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}
}