---
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] 한율 자연을 닮은 립밤 4g - 3호 옵션없음 제이에이치컴퍼니'
- text: 릴리바이레드 러브빔 글로우 베일 3.2g 02 홀리빔 × 1개 옵션없음 원라이브브랜드
- text: 에뛰드 컬픽스 마스카라 8g 그레이 브라운 버프샵
- text: '[입생로랑] [리필] NEW 루쥬 쀠르 꾸뛰르 NM 뉘 뮤즈(리필)​ 엘오케이 (유)'
- text: 우드버리 하드텍스처 아이브로우 펜슬 4g Timber Wolf 1개 1022244 옵션없음 배스테인
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: 0.7551652892561983
      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:** 13 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                                                                                                                                                                                                                   |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1.0   | <ul><li>'프로랑스 32호 입술펜슬 오토 립라이너 5W525AC824 옵션없음 주도매'</li><li>'로페스 오토 립라이너 펜슬 32호 옵션없음 북가무역'</li><li>'313764 BOBBI 브라운 립 라이너 COCOA 14 옵션없음 에스비 컴퍼니'</li></ul>                                                                |
| 7.0   | <ul><li>'에스티 로더 2024 홀리데이 블록버스터 세트 (11종 세트 & 파우치 + 홀리데이 쇼핑백 증정) 에스티 로더'</li><li>'에스쁘아 아이 코어 팔레트 9g + 톤페어링 리퀴드 치크 8ml, 2종 SET 에스쁘아 본사직영샵'</li><li>'[3개세트] 글래스팅 컬러 글로스 4g+글래스팅 멜팅 밤 3.5g+미니 쥬시 래스팅 틴트 2g 3종 세트 롬앤'</li></ul> |
| 4.0   | <ul><li>'[입생로랑] NEW 베르니 아 레브르 바이닐 크림 416 싸이키델릭 칠리 주식회사 인터파크커머스'</li><li>'맥 파우더 키스 리퀴드 립컬러 5ml 어 리틀 템드 옵션없음 PDValues LLC'</li><li>'베르니 아 레브르 바이닐 크림 8가지 색상 YSL610 주식회사 스타일가든이'</li></ul>                                    |
| 5.0   | <ul><li>'페리페라 잉크 블랙 카라 풀볼륨 컬링 (주)금용주상사'</li><li>'(유통기한 임박)투쿨포스쿨 아트 클래스 매지컬 픽싱 마스카라 7g 2호 다크브라운(24.04까지) 리앤햇'</li><li>'데자뷰 파이버윅 울트라롱 마스카라 7.2g 내추럴브라운 피아스인터코스멕스한국 주식회사'</li></ul>                                           |
| 2.0   | <ul><li>'페리페라 잉크 무드 매트 스틱 (색상선택) 06 모브병유발 (주)글로벌세림'</li><li>'[아워글래스](신세계 타임스퀘어점패션관)팬텀 볼류마이징 글로시 밤 트레이스 주식회사 에스에스지닷컴'</li><li>'입생로랑 루쥬 볼륍떼 캔디 글레이즈 3.2g 4 누드 플레져 주식회사 푸른거리'</li></ul>                                       |
| 12.0  | <ul><li>'페리페라 잉크 브이 쉐딩 9.5g 2호카카오브라운 포라이프(4LIFE)'</li><li>'쉬글램 루나 글로우 하이라이터 1) Tea Cake 옐로우브릭로드'</li><li>'컬러그램 입체 창조 쉐딩 스틱 1.3g 3종택일 01호 웜톤 뷰테크'</li></ul>                                                                 |
| 0.0   | <ul><li>'로라메르시에 립 그레이스 Mel테드 Sugar B 풀 사이즈 교수님선물 옵션없음 남인터내셔널'</li><li>'삐아오버글레이즈 삐아체리당 슈가시럽광 체리당 와우마트'</li><li>'맑은 색감 립 글로스 5g PK103 베이비핑크 옵션없음 송승찬'</li></ul>                                                              |
| 9.0   | <ul><li>'스머징 트임 아이라이너 0.12g (3colors) 1호 헤이즈 유럽피아'</li><li>'미샤 비비드 픽스 마커 펜 라이너 0.6g (딥브라운) 옵션없음 제이앤비'</li><li>'머지 더 퍼스트 슬림 젤 아이라이너 0.05g 옵션없음 다사다 유한책임회사'</li></ul>                                                        |
| 8.0   | <ul><li>'마샬리아 마이 온리 세럼 옵션없음 제이뷰티'</li><li>'(2+1) GEMSHO 젬소 더블이펙트 영양마스카라X2 옵션없음 주식회사 젬소(GEMSHO)'</li><li>'래쉬앤브로우 코팅에센스5ml 속눈썹 영양제 옵션없음 리얼뷰티'</li></ul>                                                                      |
| 3.0   | <ul><li>'Burt’s Bees 홀리데이 선물 세트 옵션없음 샵인프랑'</li><li>'[라부르켓] 립 밤 아몬드/코코넛 14g 화이트_F (주)신세계인터내셔날'</li><li>'버츠비 비즈왁스 립밤 택4 종이케이스포함 종류_허니4개 제이마켓'</li></ul>                                                                      |
| 11.0  | <ul><li>'미샤 트리플 섀도우 2g (레이디 밀크티) 옵션없음 제이앤비'</li><li>'노베브 언더 아이 마스터 0.8g 08호 코랄스칼렛 캐치헬스'</li><li>'맥 프로 롱웨어 페인트팟 아이섀도우 5g 부지 옵션없음 원라이브쇼핑'</li></ul>                                                                          |
| 6.0   | <ul><li>'백화점정품) 크리니크 치크 팝 발레리나팝 3.5g 피치팝 제이 컴퍼니'</li><li>'누즈 무스 케어 치크 16ml 1021814 옵션없음 굿데이'</li><li>'힌스 트루 디멘션 래디언스 밤 10g(라이트) 옵션없음 옐로우로켓'</li></ul>                                                                      |
| 10.0  | <ul><li>'바비브라운 퍼펙틀리 디파인드 롱웨어 브라우 펜슬 0.33g 옵션없음 안느의집'</li><li>'크리니크 브로우 쉐이퍼 3.1g 01 토우페 에르에르샵'</li><li>'맥 아이 브로우 스타일러 0.9g 1021649 페니 배스테인'</li></ul>                                                                       |

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 0.7552   |

## 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_bt6_test")
# Run inference
preds = model("에뛰드 컬픽스 마스카라 8g 그레이 브라운 버프샵")
```

<!--
### 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   | 9.3296 | 20  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 16                    |
| 1.0   | 18                    |
| 2.0   | 19                    |
| 3.0   | 24                    |
| 4.0   | 19                    |
| 5.0   | 20                    |
| 6.0   | 21                    |
| 7.0   | 15                    |
| 8.0   | 21                    |
| 9.0   | 22                    |
| 10.0  | 31                    |
| 11.0  | 22                    |
| 12.0  | 19                    |

### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0312  | 1    | 0.4833        | -               |
| 1.5625  | 50   | 0.3686        | -               |
| 3.125   | 100  | 0.0991        | -               |
| 4.6875  | 150  | 0.0361        | -               |
| 6.25    | 200  | 0.0224        | -               |
| 7.8125  | 250  | 0.0132        | -               |
| 9.375   | 300  | 0.0102        | -               |
| 10.9375 | 350  | 0.0069        | -               |
| 12.5    | 400  | 0.0012        | -               |
| 14.0625 | 450  | 0.0002        | -               |
| 15.625  | 500  | 0.0002        | -               |
| 17.1875 | 550  | 0.0002        | -               |
| 18.75   | 600  | 0.0001        | -               |
| 20.3125 | 650  | 0.0001        | -               |
| 21.875  | 700  | 0.0001        | -               |
| 23.4375 | 750  | 0.0001        | -               |
| 25.0    | 800  | 0.0001        | -               |
| 26.5625 | 850  | 0.0001        | -               |
| 28.125  | 900  | 0.0001        | -               |
| 29.6875 | 950  | 0.0001        | -               |
| 31.25   | 1000 | 0.0001        | -               |
| 32.8125 | 1050 | 0.0001        | -               |
| 34.375  | 1100 | 0.0001        | -               |
| 35.9375 | 1150 | 0.0001        | -               |
| 37.5    | 1200 | 0.0001        | -               |
| 39.0625 | 1250 | 0.0001        | -               |
| 40.625  | 1300 | 0.0001        | -               |
| 42.1875 | 1350 | 0.0001        | -               |
| 43.75   | 1400 | 0.0001        | -               |
| 45.3125 | 1450 | 0.0001        | -               |
| 46.875  | 1500 | 0.0001        | -               |
| 48.4375 | 1550 | 0.0001        | -               |
| 50.0    | 1600 | 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.*
-->