---
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: 본사직영 달빛유자 수면팩 60ml MinSellAmount (#M)화장품/향수>팩/마스크>수면팩/슬리핑팩 Gmarket > 뷰티 >
화장품/향수 > 팩/마스크 > 수면팩/슬리핑팩
- text: 메디힐 BEST 마스크팩/스킨케어 ~50%세일+사은품 증정 01.티트리 에센셜 10+10+(증정)엔엠에프10 (#M)화장품/향수>팩/마스크>마스크시트
Gmarket > 뷰티 > 화장품/향수 > 팩/마스크 > 마스크시트
- text: 메디힐 워터마이드 하이드롭 에센셜 마스크 REX 24ml 홈>전체상품;(#M)홈>스킨케어>마스크팩 Naverstore > 화장품/미용
> 마스크/팩 > 마스크시트
- text: 아이오페 스템Ⅲ 앰플 리페어 마스크 1매 17g (+1매 추가증정) 단품없음 × 선택완료 (#M)쿠팡 홈>뷰티>스킨케어>마스크/팩>시트마스크
Coupang > 뷰티 > 스킨케어 > 마스크/팩
- text: '[한율] 자연을 닮은 시트마스크 1매 x 10 (옵션) 빨간쌀_방어보습 (#M)11st>스킨케어>팩/마스크>마스크시트팩 11st >
뷰티 > 스킨케어 > 팩/마스크'
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: 0.510351966873706
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:** 4 classes
### 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 |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 3 | - '[차앤박] CNP 안티포어 블랙헤드 클리어 키트 스트립 3세트(3회분) LotteOn > 뷰티 > 스킨케어 > 마스크/팩 > 코팩/아이패치 LotteOn > 뷰티 > 스킨케어 > 마스크/팩 > 코팩/아이패치'
- '[해서린] 포어 클리어 코팩 16매 (화이트/블랙/티트리) 상세 설명 참조 × 선택:티트리 코팩 16매(EH006A)(EH006A) (#M)쿠팡 홈>뷰티>스킨케어>마스크/팩>패치/코팩>코팩 Coupang > 뷰티 > 스킨케어 > 마스크/팩 > 패치/코팩 > 코팩'
- '(2+1) 리르 올킬 쏙쏙패치 블랙헤드 코팩 16매입+8매입(총24매) LotteOn > 뷰티 > 스킨케어 > 마스크/팩 > 코팩/아이패치 LotteOn > 뷰티 > 스킨케어 > 마스크/팩 > 코팩/아이패치'
|
| 0 | - '메디앤서 비타 콜라겐 넥 마스크 1box(5매) MinSellAmount (#M)화장품/향수>팩/마스크>마스크시트 Gmarket > 뷰티 > 화장품/향수 > 팩/마스크 > 마스크시트'
- '스템3 스페셜 2종 기획세트 바이오 컨디셔닝 에센스 하이드로 인핸싱 마스크 (#M)위메프 > 뷰티 > 명품화장품 > 스킨케어 > 스킨/토너 위메프 > 뷰티 > 명품화장품 > 스킨케어 > 스킨/토너'
- '라운드랩 자작나무 수분 패드 80매 홈>5월 행복특가♥;홈>스킨·토너;홈>★BEST 48시간 특가전★;홈>★역대급 1일 특가★;홈>NEW 앰플 4종 런칭 기획전★;홈>최대 67% 기획전;홈>❤뷰티홈캉스;홈>♥8.23~8.31 브랜드 기획전♥;홈>♥9.24~9.30 보습대전♥;홈>💚2021쇼핑페스타💛;홈>5주년 기획전🎁;홈>🧡쭈언니PICK🧡수분多잡기;홈>아듀 2021 연말결산 세일🎄;홈>HELLO 2022 새해 첫 세일👋;홈>설-프라이즈 SALE🎊;홈>스킨케어;홈>고민별>수분·보습;(#M)홈>제품유형별>마스크·패드 Naverstore > 화장품/미용 > 스킨케어 > 스킨/토너'
|
| 2 | - '마스크 오브 매그너민티 315g - 파워 마스크/페이스 앤 바디 마스크 팩 위메프 > 뷰티 > 바디/헤어 > 바디케어/워시/제모 > 입욕제;위메프 > 뷰티 > 스킨케어 > 팩/마스크;위메프 > 뷰티 > 스킨케어 > 팩/마스크 > 워시오프팩 /필오프팩;위메프 > 뷰티 > 클렌징/필링 > 클렌징;위메프 > 생활·주방·반려동물 > 바디/헤어 > 바디케어/워시/제모 > 입욕제;(#M)위메프 > 뷰티 > 스킨케어 > 팩/마스크 > 마스크시트팩 위메프 > 뷰티 > 바디/헤어 > 바디케어/워시/제모 > 입욕제'
- '로터스 유스 프리저브 레스큐 마스크 30ml 레스큐 마스크 30ml LotteOn > 뷰티 > 마스크/팩 > 워시오프팩 LotteOn > 뷰티 > 마스크/팩 > 워시오프팩'
- '웰라 크레아틴 매직 스트레이트 N 에멀전 건강모 400ml (#M)홈>화장품/미용>헤어스타일링>파마약>스트레이트 Naverstore > 화장품/미용 > 헤어스타일링 > 파마약 > 스트레이트'
|
| 1 | - '산타마리아노벨라 이드랄리아 마스크 50ml 화이트_F (#M)11st>스킨케어>마사지크림>마사지크림 11st > 뷰티 > 스킨케어 > 마사지크림'
- '라네즈 워터 슬리핑 마스크 EX 70ml - 최근입고 R (#M)11st>스킨케어>팩/마스크>수면팩 11st > 뷰티 > 스킨케어 > 팩/마스크 > 수면팩'
- '[스킨알엑스] [달바] 미스트 세럼 100ml+워터풀 슬리핑팩 1BOX 단품 LotteOn > 뷰티 > 스킨케어 > 미스트 LotteOn > 뷰티 > 스킨케어 > 미스트'
|
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 0.5104 |
## 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_bt2_test_flat_top_cate")
# Run inference
preds = model("메디힐 워터마이드 하이드롭 에센셜 마스크 REX 24ml 홈>전체상품;(#M)홈>스킨케어>마스크팩 Naverstore > 화장품/미용 > 마스크/팩 > 마스크시트")
```
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:-------|:----|
| Word count | 11 | 23.615 | 91 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0 | 50 |
| 1 | 50 |
| 2 | 50 |
| 3 | 50 |
### Training Hyperparameters
- batch_size: (64, 64)
- num_epochs: (30, 30)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 100
- 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0032 | 1 | 0.4519 | - |
| 0.1597 | 50 | 0.4406 | - |
| 0.3195 | 100 | 0.4089 | - |
| 0.4792 | 150 | 0.3854 | - |
| 0.6390 | 200 | 0.3414 | - |
| 0.7987 | 250 | 0.2792 | - |
| 0.9585 | 300 | 0.2485 | - |
| 1.1182 | 350 | 0.2268 | - |
| 1.2780 | 400 | 0.1526 | - |
| 1.4377 | 450 | 0.1375 | - |
| 1.5974 | 500 | 0.1239 | - |
| 1.7572 | 550 | 0.123 | - |
| 1.9169 | 600 | 0.1002 | - |
| 2.0767 | 650 | 0.0834 | - |
| 2.2364 | 700 | 0.0828 | - |
| 2.3962 | 750 | 0.0698 | - |
| 2.5559 | 800 | 0.0604 | - |
| 2.7157 | 850 | 0.0281 | - |
| 2.8754 | 900 | 0.0148 | - |
| 3.0351 | 950 | 0.0129 | - |
| 3.1949 | 1000 | 0.0102 | - |
| 3.3546 | 1050 | 0.0083 | - |
| 3.5144 | 1100 | 0.007 | - |
| 3.6741 | 1150 | 0.0042 | - |
| 3.8339 | 1200 | 0.0021 | - |
| 3.9936 | 1250 | 0.0002 | - |
| 4.1534 | 1300 | 0.0001 | - |
| 4.3131 | 1350 | 0.0003 | - |
| 4.4728 | 1400 | 0.0001 | - |
| 4.6326 | 1450 | 0.0001 | - |
| 4.7923 | 1500 | 0.0 | - |
| 4.9521 | 1550 | 0.0 | - |
| 5.1118 | 1600 | 0.0 | - |
| 5.2716 | 1650 | 0.0 | - |
| 5.4313 | 1700 | 0.0 | - |
| 5.5911 | 1750 | 0.0003 | - |
| 5.7508 | 1800 | 0.0 | - |
| 5.9105 | 1850 | 0.0004 | - |
| 6.0703 | 1900 | 0.0005 | - |
| 6.2300 | 1950 | 0.0026 | - |
| 6.3898 | 2000 | 0.0006 | - |
| 6.5495 | 2050 | 0.0002 | - |
| 6.7093 | 2100 | 0.0 | - |
| 6.8690 | 2150 | 0.0002 | - |
| 7.0288 | 2200 | 0.0002 | - |
| 7.1885 | 2250 | 0.0005 | - |
| 7.3482 | 2300 | 0.0006 | - |
| 7.5080 | 2350 | 0.0002 | - |
| 7.6677 | 2400 | 0.0002 | - |
| 7.8275 | 2450 | 0.0001 | - |
| 7.9872 | 2500 | 0.0014 | - |
| 8.1470 | 2550 | 0.0001 | - |
| 8.3067 | 2600 | 0.0 | - |
| 8.4665 | 2650 | 0.0 | - |
| 8.6262 | 2700 | 0.0 | - |
| 8.7859 | 2750 | 0.0 | - |
| 8.9457 | 2800 | 0.0 | - |
| 9.1054 | 2850 | 0.0 | - |
| 9.2652 | 2900 | 0.0004 | - |
| 9.4249 | 2950 | 0.0 | - |
| 9.5847 | 3000 | 0.0 | - |
| 9.7444 | 3050 | 0.0 | - |
| 9.9042 | 3100 | 0.0 | - |
| 10.0639 | 3150 | 0.0 | - |
| 10.2236 | 3200 | 0.0 | - |
| 10.3834 | 3250 | 0.0 | - |
| 10.5431 | 3300 | 0.0 | - |
| 10.7029 | 3350 | 0.0021 | - |
| 10.8626 | 3400 | 0.0002 | - |
| 11.0224 | 3450 | 0.0 | - |
| 11.1821 | 3500 | 0.0001 | - |
| 11.3419 | 3550 | 0.0 | - |
| 11.5016 | 3600 | 0.0 | - |
| 11.6613 | 3650 | 0.0 | - |
| 11.8211 | 3700 | 0.0 | - |
| 11.9808 | 3750 | 0.0 | - |
| 12.1406 | 3800 | 0.0 | - |
| 12.3003 | 3850 | 0.0002 | - |
| 12.4601 | 3900 | 0.0 | - |
| 12.6198 | 3950 | 0.0008 | - |
| 12.7796 | 4000 | 0.0002 | - |
| 12.9393 | 4050 | 0.0002 | - |
| 13.0990 | 4100 | 0.0002 | - |
| 13.2588 | 4150 | 0.0 | - |
| 13.4185 | 4200 | 0.0 | - |
| 13.5783 | 4250 | 0.0 | - |
| 13.7380 | 4300 | 0.0 | - |
| 13.8978 | 4350 | 0.0 | - |
| 14.0575 | 4400 | 0.0 | - |
| 14.2173 | 4450 | 0.0 | - |
| 14.3770 | 4500 | 0.0 | - |
| 14.5367 | 4550 | 0.0 | - |
| 14.6965 | 4600 | 0.0003 | - |
| 14.8562 | 4650 | 0.0 | - |
| 15.0160 | 4700 | 0.0 | - |
| 15.1757 | 4750 | 0.0 | - |
| 15.3355 | 4800 | 0.0 | - |
| 15.4952 | 4850 | 0.0 | - |
| 15.6550 | 4900 | 0.0 | - |
| 15.8147 | 4950 | 0.0 | - |
| 15.9744 | 5000 | 0.0 | - |
| 16.1342 | 5050 | 0.0 | - |
| 16.2939 | 5100 | 0.0 | - |
| 16.4537 | 5150 | 0.0001 | - |
| 16.6134 | 5200 | 0.0002 | - |
| 16.7732 | 5250 | 0.0 | - |
| 16.9329 | 5300 | 0.0002 | - |
| 17.0927 | 5350 | 0.0 | - |
| 17.2524 | 5400 | 0.0 | - |
| 17.4121 | 5450 | 0.0 | - |
| 17.5719 | 5500 | 0.0006 | - |
| 17.7316 | 5550 | 0.0001 | - |
| 17.8914 | 5600 | 0.0001 | - |
| 18.0511 | 5650 | 0.0 | - |
| 18.2109 | 5700 | 0.0 | - |
| 18.3706 | 5750 | 0.0002 | - |
| 18.5304 | 5800 | 0.0 | - |
| 18.6901 | 5850 | 0.0 | - |
| 18.8498 | 5900 | 0.0 | - |
| 19.0096 | 5950 | 0.0 | - |
| 19.1693 | 6000 | 0.0 | - |
| 19.3291 | 6050 | 0.0 | - |
| 19.4888 | 6100 | 0.0 | - |
| 19.6486 | 6150 | 0.0 | - |
| 19.8083 | 6200 | 0.0 | - |
| 19.9681 | 6250 | 0.0 | - |
| 20.1278 | 6300 | 0.0 | - |
| 20.2875 | 6350 | 0.0 | - |
| 20.4473 | 6400 | 0.0 | - |
| 20.6070 | 6450 | 0.0 | - |
| 20.7668 | 6500 | 0.0 | - |
| 20.9265 | 6550 | 0.0 | - |
| 21.0863 | 6600 | 0.0 | - |
| 21.2460 | 6650 | 0.0 | - |
| 21.4058 | 6700 | 0.0 | - |
| 21.5655 | 6750 | 0.0 | - |
| 21.7252 | 6800 | 0.0 | - |
| 21.8850 | 6850 | 0.0 | - |
| 22.0447 | 6900 | 0.0 | - |
| 22.2045 | 6950 | 0.0 | - |
| 22.3642 | 7000 | 0.0 | - |
| 22.5240 | 7050 | 0.0 | - |
| 22.6837 | 7100 | 0.0 | - |
| 22.8435 | 7150 | 0.0 | - |
| 23.0032 | 7200 | 0.0 | - |
| 23.1629 | 7250 | 0.0 | - |
| 23.3227 | 7300 | 0.0 | - |
| 23.4824 | 7350 | 0.0 | - |
| 23.6422 | 7400 | 0.0 | - |
| 23.8019 | 7450 | 0.0 | - |
| 23.9617 | 7500 | 0.0 | - |
| 24.1214 | 7550 | 0.0 | - |
| 24.2812 | 7600 | 0.0 | - |
| 24.4409 | 7650 | 0.0002 | - |
| 24.6006 | 7700 | 0.0 | - |
| 24.7604 | 7750 | 0.0 | - |
| 24.9201 | 7800 | 0.0 | - |
| 25.0799 | 7850 | 0.0 | - |
| 25.2396 | 7900 | 0.0 | - |
| 25.3994 | 7950 | 0.0 | - |
| 25.5591 | 8000 | 0.0 | - |
| 25.7188 | 8050 | 0.0 | - |
| 25.8786 | 8100 | 0.0 | - |
| 26.0383 | 8150 | 0.0 | - |
| 26.1981 | 8200 | 0.0 | - |
| 26.3578 | 8250 | 0.0 | - |
| 26.5176 | 8300 | 0.0 | - |
| 26.6773 | 8350 | 0.0 | - |
| 26.8371 | 8400 | 0.0 | - |
| 26.9968 | 8450 | 0.0 | - |
| 27.1565 | 8500 | 0.0 | - |
| 27.3163 | 8550 | 0.0 | - |
| 27.4760 | 8600 | 0.0 | - |
| 27.6358 | 8650 | 0.0 | - |
| 27.7955 | 8700 | 0.0 | - |
| 27.9553 | 8750 | 0.0 | - |
| 28.1150 | 8800 | 0.0001 | - |
| 28.2748 | 8850 | 0.0 | - |
| 28.4345 | 8900 | 0.0 | - |
| 28.5942 | 8950 | 0.0 | - |
| 28.7540 | 9000 | 0.0 | - |
| 28.9137 | 9050 | 0.0 | - |
| 29.0735 | 9100 | 0.0 | - |
| 29.2332 | 9150 | 0.0 | - |
| 29.3930 | 9200 | 0.0 | - |
| 29.5527 | 9250 | 0.0 | - |
| 29.7125 | 9300 | 0.0 | - |
| 29.8722 | 9350 | 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}
}
```