---
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: '[피부과전용]리쥬란 힐링 아이젤 15ml +샘플키트+마스크팩 옵션없음 더마초이스'
- text: 참존 탑클래스 리프팅 스킨 120ml 옵션없음 하루뷰티
- text: Is Clinical 이즈클리니컬 퍼밍 콤플렉스 50ml/1.7oz 옵션없음 타임투글로벌
- text: 데저트 에센스 퓨어 호호바오일 118ml 59ml+59ml 우성글로벌
- text: AHC 누드 톤업 크림 내추럴 글로우 40ml+컨실링스틱 3.5g 2개 O1B_01)크림40ml+스틱3.5g2개 (주)카버코리아
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: 0.7988636363636363
      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:** 11 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                                                                                                                                                                                                              |
|:------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 6.0   | <ul><li>'스위스유스트 노간주 크림 100ml 옵션없음 무한상사'</li><li>'퓨어라이트 아로니아베리 주름개선 크림 옵션없음 퓨어 리테일'</li><li>'내추럴더마 프로젝트 시카 바이오 플라센타 크림 50ml 1021828 시카 바이오 플라센타 크림 1개 앤디월드'</li></ul>                                                  |
| 1.0   | <ul><li>'네오팜 제로이드 인텐시브 로션 MD 200ml 옵션없음 옐로우로켓'</li><li>'[케이스훼손] 더 후 공진향 인양 로션 110ml (케이스훼손) 인양 로션. 주식회사 포러스'</li><li>'크리니크 드라마티컬리 디퍼런트 모이스처라이징 젤 125ml(건성, 중복합) 옵션없음 옐로우로켓'</li></ul>                                 |
| 10.0  | <ul><li>'하다라보 고쿠쥰 2종 세트(신형) 옵션없음 오레오'</li><li>'코스트코 프리메라 오가니언스 베리어 리페어 2종 선물세트 옵션없음 하랑'</li><li>'인셀덤 더마톨로지 퍼스트패키지 EX 옵션없음 보니따 주식회사'</li></ul>                                                                         |
| 7.0   | <ul><li>'스킨푸드 캐롯 카로틴 카밍 워터 패드 60매 당근패드 닦토 11203452 캐롯 카로틴 카밍 워터 패드 30매 리필 캐롯 카로틴 모이스트 이펙터 52ml 메이써니'</li><li>'스킨푸드 미나리 패드 토너 닥토 닦토 60매 옵션없음 찬이네마켓'</li><li>'[리얼베리어] 익스트림 판테놀 토너 패드 150ml(80매) 옵션없음 (주)네오팜'</li></ul>  |
| 4.0   | <ul><li>'Double Serum Eye 20ml 클라랑스 옵션없음 팬더샐러'</li><li>'가히 아이밤 9g 옵션없음 엠컴퍼니'</li><li>'마티나겝하르트 아보카도 아이크림 15ml [공식수입원] 옵션없음 (주)그레이스클럽'</li></ul>                                                                        |
| 9.0   | <ul><li>'스킨아이 유기농 티트리 오일 옵션없음 폴슨 주식회사(FOLSN Inc.)'</li><li>'티트리 오일 10ML_리뉴얼 옵션없음 (주)씨제이이엔엠'</li><li>'스킨아이 유기농 티트리 오일 10ml 옵션없음 다사다 유한책임회사'</li></ul>                                                                  |
| 0.0   | <ul><li>'가로목주름 세로목주름 제거 목탄력 턱살크림 우주를 담아'</li><li>'[1+1] 목주름 다리미 넥스틱 펩타이드 리들 1000샷 탄력 리프팅 안티에이징 옵션없음 소중한 우리아기'</li><li>'Sisley 시슬리 젠틀 브러쉬 포 페이스 앤 넥 1pcs 옵션없음 타임투글로벌'</li></ul>                                        |
| 8.0   | <ul><li>'AHC 누드톤업크림 내추럴글로우 40ml 옵션없음 가온'</li><li>'내추럴더마 프로젝트 비타민 B9 톤업 미백 크림 65ml 옵션없음 음파 유한책임회사'</li><li>'롬앤 백미 톤업 크림 세트 백미 크림 2개 이엘엠(ELM)'</li></ul>                                                                |
| 2.0   | <ul><li>'자트인사이트 울트라 셋팅 진짜 픽서 50ml 옵션없음 49행운스토어'</li><li>'ECLADO NK-CX 프로틴 포텐 부스터 세포코팅 미스트 뿌리는 단백질 정품 에끌라두 NK-CX 프로틴 포텐 부스터 하이그래'</li><li>'최대 43% / 달바 옐로우 미스트 세럼 100mlX2개 [교차] 옐로우100ml+레드100ml 주식회사 달바글로벌'</li></ul> |
| 3.0   | <ul><li>'톤28 pH 균형제 토너 250ml × 1개 100ml x 2개 마켓 헤이데이'</li><li>'세레코 토리든 다이브인 저분자 히알루론산 토너 300ml(지성, 복합) 옵션없음 옐로우로켓'</li><li>'톤28 플러스마이너스 pH 균형제 (토너)250ml 옵션없음 퍼펙트픽스'</li></ul>                                        |
| 5.0   | <ul><li>'CHANEL 르 리프트 프로 컨센트레이트 컨투어 50 ml 하이그래'</li><li>'브링그린 알로에 99% 수딩 젤 300ml(민감성)/JL 옵션없음 주식회사 제이엘'</li><li>'[설화수] 윤조 에센스 6세대 90mlss 옵션없음 빈티지브릿지'</li></ul>                                                       |

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 0.7989   |

## 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_bt8_test")
# Run inference
preds = model("참존 탑클래스 리프팅 스킨 120ml 옵션없음 하루뷰티")
```

<!--
### 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   | 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: (50, 50)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 60
- 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0323  | 1    | 0.4874        | -               |
| 1.6129  | 50   | 0.3751        | -               |
| 3.2258  | 100  | 0.0862        | -               |
| 4.8387  | 150  | 0.0251        | -               |
| 6.4516  | 200  | 0.0101        | -               |
| 8.0645  | 250  | 0.0042        | -               |
| 9.6774  | 300  | 0.0045        | -               |
| 11.2903 | 350  | 0.0044        | -               |
| 12.9032 | 400  | 0.0041        | -               |
| 14.5161 | 450  | 0.0043        | -               |
| 16.1290 | 500  | 0.0042        | -               |
| 17.7419 | 550  | 0.0042        | -               |
| 19.3548 | 600  | 0.004         | -               |
| 20.9677 | 650  | 0.0043        | -               |
| 22.5806 | 700  | 0.0042        | -               |
| 24.1935 | 750  | 0.004         | -               |
| 25.8065 | 800  | 0.0004        | -               |
| 27.4194 | 850  | 0.0001        | -               |
| 29.0323 | 900  | 0.0001        | -               |
| 30.6452 | 950  | 0.0001        | -               |
| 32.2581 | 1000 | 0.0001        | -               |
| 33.8710 | 1050 | 0.0001        | -               |
| 35.4839 | 1100 | 0.0001        | -               |
| 37.0968 | 1150 | 0.0001        | -               |
| 38.7097 | 1200 | 0.0001        | -               |
| 40.3226 | 1250 | 0.0001        | -               |
| 41.9355 | 1300 | 0.0001        | -               |
| 43.5484 | 1350 | 0.0001        | -               |
| 45.1613 | 1400 | 0.0001        | -               |
| 46.7742 | 1450 | 0.0001        | -               |
| 48.3871 | 1500 | 0.0001        | -               |
| 50.0    | 1550 | 0.0001        | -               |

### 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.*
-->