---
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: '[당일출고] 비플레인 녹두 약산성 클렌징폼 160ml 옵션없음 제이에이치컴퍼니'
- text: 아임프롬 피그 스크럽 마스크, 120g, 1개 120g × 1개 120g x 1개 익사이팅
- text: 코스트코 오스트레일리안 보태니컬비누 버라이어티팩 200g x 8개 목욕비누 1. 고트밀크&레몬그라스 외 3종 8개 굿바이즈
- text: 바로출고 로자그라프 망고클렌징젤 500ml 열감많은 촉촉 깔끔 클렌징젤 공병 [추가로 필요한 경우] 클렌징젤 사각공병 후니맘
- text: 바이오뷰텍 바이오옵틱스 아이크린 리드 클리너 30매 1021542 옵션없음 페이즈
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: 0.6902857142857143
      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:** 12 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                                                                                                                                                                                                      |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 5.0   | <ul><li>'시세이도 티스 딥 오프 오일 280ml/딥클렌징오일/ 옵션없음 디바1004'</li><li>"[1+1] 달바 비건 세럼 클렌저 펌프형 150mlX2개 [세트] 세럼클렌저'펌프형' 150ml(2개) 주식회사 달바글로벌"</li><li>'비플레인 클렌징 오일 순한 녹두 클렌징 오일 200ml 옵션없음 베나 스토어'</li></ul>             |
| 9.0   | <ul><li>'토니모리 더 촉촉 그린티 노-워시 클렌징 티슈 100매 옵션없음 (SJ)이커머스'</li><li>'[비욘드] 라이스밀크 마일드딥클렌징티슈 50 매 옵션없음 (주)엘지생활건강'</li><li>'코스알엑스 원스텝 모이스쳐 업 패드 70매 140ml 옵션없음 주식회사 다올연구소'</li></ul>                                  |
| 3.0   | <ul><li>'히노끼 퓨어바 식물나라 100g 4입 3개 옵션없음 이프니드'</li><li>'두레생협 수제온가족보습비누 옵션없음 이프니드'</li><li>'[코스트코] 아이보리 오리지널 비누 (113g, 10개) 옵션없음 아담상회(주)'</li></ul>                                                               |
| 10.0  | <ul><li>'인셀덤 엑티브 클린업 파우더 90g 래디언솜 앰플 아이코스메틱'</li><li>'[정품보장] 인셀덤 엑티브 클린업 파우더 90g 옵션없음 신우유통'</li><li>'동국제약 센텔리안24 마데카 엔자임 클렌징 파우더 60g x 1개 동국제약 센텔리안'</li></ul>                                                |
| 2.0   | <ul><li>'1개 청미정 알로에 발효 클렌징밀크 옵션없음 주식회사 모아박스'</li><li>'1개 청미정 알로에 발효 클렌징 밀크 옵션없음 주식회사 모아박스'</li><li>'피토메르 레데마끼앙 클렌징밀크 250ml+해면 옵션없음 주식회사 알래스카(ALASKA)'</li></ul>                                               |
| 0.0   | <ul><li>'오큐소프트 리드스크럽 플러스 눈꺼풀세정제 눈세척 눈청소 눈기름샘 마이봄샘 다래끼 아이클린 11203414 오큐소프트 리드스크럽플러스 오큐소프트 리드스크럽플러스 메이써니'</li><li>'해서린 선셋 원킬 리무버 패드, 170ml, 1개 옵션없음 건강드림'</li><li>'바닐라코 립앤아이 리무버 클리어 100ml 옵션없음 뉴베이스'</li></ul> |
| 11.0  | <ul><li>'마미레시피 황유자 고마쥬 클렌저 100ml 1개 옵션없음 건강드림'</li><li>'폰즈 딥클렌징폼 스파 200ml 1+1 [00001] 없음 디휴니'</li><li>'바이오가 판테놀 클렌징폼 500ml 옵션없음 잡(Job)상인'</li></ul>                                                           |
| 8.0   | <ul><li>'MP 크린징 크림 순한 클렌저 화장 지우기 촉촉한 클렌징 노폐물제거 300ml 묵은각질 옵션없음 민트펌킨'</li><li>'과일나라 첫물녹차 프레시 클렌징 크림 x3개 옵션없음 뷰티디자인'</li><li>'파인앤유 녹차 클렌징 크림 500g 딥클렌징 옵션없음 파인앤유'</li></ul>                                     |
| 6.0   | <ul><li>'바이오더마 센시비오 H2O 500ml 옵션없음 브이브이에스'</li><li>'브링그린 티트리시카센시티브클렌징워터500mL_NEW 브링그린 티트리시카센시티브클렌징워터500mL_ 로프트'</li><li>'[아일릿 민주PICK]바이오더마 하이드라비오 H2O 500ml 옵션없음 브이브이에스'</li></ul>                            |
| 7.0   | <ul><li>'코스알엑스 약산성 굿모닝 젤 클렌저 150ml 9792539 옵션없음 에필로리아'</li><li>'벨프리모 안티크네 젤클렌져 안티크네 세범 리듀서(토너) 300ml 주식회사 소통'</li><li>'라로슈포제 시카플라스트 라방 B5 200ml 옵션없음 주식회사 엠디글로벌'</li></ul>                                    |
| 4.0   | <ul><li>'[EVENT] 블랑루스 나이트루틴 클렌징세트 블랑루스 공식몰'</li><li>'[갤러리아] [OVIS] SHEEPS MILK SOAP GRAPEFRUITS ALGAE 옵션없음 한화갤러리아(주)'</li><li>'디오메르 페이셜 클렌징 세트 디오메르'</li></ul>                                                |
| 1.0   | <ul><li>'[Vegan] 아임프롬 피그 스크럽 마스크 120g +피그 스크럽 마스크 30g 옵션없음 랩앤컴퍼니(주)'</li><li>'셀리맥스 바디 브라이트닝 패드 60매 / 색소 침착 미백 케어 팔꿈치 무릎 바디 브라이트닝 패드 1개 (주)앱솔브랩'</li><li>'메디필 엑스트라 슈퍼9 플러스 2.0 기획 (피지연화제) 옵션없음 덩이네'</li></ul>  |

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 0.6903   |

## 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_bt9_test")
# Run inference
preds = model("[당일출고] 비플레인 녹두 약산성 클렌징폼 160ml 옵션없음 제이에이치컴퍼니")
```

<!--
### 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   | 3   | 9.0359 | 19  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 20                    |
| 1.0   | 27                    |
| 2.0   | 20                    |
| 3.0   | 27                    |
| 4.0   | 15                    |
| 5.0   | 20                    |
| 6.0   | 20                    |
| 7.0   | 18                    |
| 8.0   | 20                    |
| 9.0   | 22                    |
| 10.0  | 17                    |
| 11.0  | 25                    |

### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0333  | 1    | 0.4927        | -               |
| 1.6667  | 50   | 0.4009        | -               |
| 3.3333  | 100  | 0.1238        | -               |
| 5.0     | 150  | 0.0523        | -               |
| 6.6667  | 200  | 0.0156        | -               |
| 8.3333  | 250  | 0.0022        | -               |
| 10.0    | 300  | 0.0003        | -               |
| 11.6667 | 350  | 0.0002        | -               |
| 13.3333 | 400  | 0.0002        | -               |
| 15.0    | 450  | 0.0001        | -               |
| 16.6667 | 500  | 0.0001        | -               |
| 18.3333 | 550  | 0.0001        | -               |
| 20.0    | 600  | 0.0001        | -               |
| 21.6667 | 650  | 0.0001        | -               |
| 23.3333 | 700  | 0.0001        | -               |
| 25.0    | 750  | 0.0001        | -               |
| 26.6667 | 800  | 0.0001        | -               |
| 28.3333 | 850  | 0.0001        | -               |
| 30.0    | 900  | 0.0001        | -               |
| 31.6667 | 950  | 0.0001        | -               |
| 33.3333 | 1000 | 0.0001        | -               |
| 35.0    | 1050 | 0.0001        | -               |
| 36.6667 | 1100 | 0.0001        | -               |
| 38.3333 | 1150 | 0.0001        | -               |
| 40.0    | 1200 | 0.0001        | -               |
| 41.6667 | 1250 | 0.0001        | -               |
| 43.3333 | 1300 | 0.0001        | -               |
| 45.0    | 1350 | 0.0           | -               |
| 46.6667 | 1400 | 0.0           | -               |
| 48.3333 | 1450 | 0.0001        | -               |
| 50.0    | 1500 | 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.*
-->