Hugging Face's logo

mini1013
/
master_cate_bt_top8_test

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_bt_top8_test / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
6432d6e verified
preview code
|
raw
history blame
25.7 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: >-
      엔프라니 옴므 선블록 썬크림 남성용 선크림  (#M)화장품/미용>남성화장품>선크림 Naverstore > 화장품/미용 > 남성화장품
      > 선크림
  - text: >-
      (시세이도)(시세이도)(특별한정) 파란자차 50ml 세트(+파란자차 정품 용량) NEW 파란자차 (정품)
      (#M)화장품/향수>선케어>선크림 Gmarket > 뷰티 > 화장품/향수 > 선케어 > 선크림
  - text: >-
      에스쁘아 워터스플래쉬 선크림 SPF50+ PA+++ 60ml × 5개 (#M)쿠팡
      홈>뷰티>스킨케어>선케어/태닝>선케어>선블록/선크림/선로션 Coupang > 뷰티 > 스킨케어 > 선케어/태닝 > 선케어 >
      선블록/선크림/선로션
  - text: >-
      이니스프리 인텐시브 롱래스팅 선스크린50ml 50ml × 6개 LotteOn > 뷰티 > 남성화장품 > 스킨 LotteOn > 뷰티
      > 남성화장품 > 스킨
  - text: >-
      에스트라 리제덤 RX  듀얼 선크림 +BB 50ml 병원전용제품  (#M)SSG.COM/메이크업/베이스메이크업/BB/CC크림 ssg
      > 뷰티 > 메이크업 > 베이스메이크업 > BB/CC크림
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: 0.4902962206332993
            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
2
  • '이니스프리 노세범 선쿠션 SPF50+ PA++++ 14g × 2개 (#M)위메프 > 뷰티 > 메이크업 > 베이스 메이크업 > 파우더/팩트 위메프 > 뷰티 > 메이크업 > 베이스 메이크업 > 파우더/팩트'
  • '스킨 세팅 톤업 선 쿠션(리필포함) + 추가구성품 톤업 선 쿠션 LotteOn > 백화점 > 뷰티 > 상단 배너 (Mobile) LotteOn > 뷰티 > 메이크업 > 베이스메이크업 > 쿠션/팩트'
  • '이니스프리 노세범 선쿠션 리필 14g 1 +1 (#M)쿠팡 홈>뷰티>스킨케어>선케어/태닝>선케어>선스틱 Coupang > 뷰티 > 로드샵 > 스킨케어 > 선케어/태닝'
1
  • 'SUNDANCE 썬댄스 햇빛 차단+태닝 선스프레이 LSF 50, 200ml ssg > 뷰티 > 스킨케어 > 선케어 > 선스프레이 ssg > 뷰티 > 스킨케어 > 선케어 > 선스프레이'
  • '리더스 여름자외선 썬버디 올 오버 선 스프레이 180ml MinSellAmount (#M)화장품/향수>선케어>선스프레이 Gmarket > 뷰티 > 화장품/향수 > 선케어 > 선스프레이'
  • '온더바디 헬로키티 에코 썬 스프레이 120ml+120ml 기획세트 (#M)홈>화장품/미용>선케어>선케어세트 Naverstore > 화장품/미용 > 선케어 > 선케어세트'
0
  • '[피지오겔] [정가 85,000원] 레드 수딩 AI 에어리 썬스틱 1+1 특별기획 롯데홈쇼핑 > 뷰티 > 남성화장품 LotteOn > 뷰티 > 남성화장품 > 선크림'
  • '[빌리프][2106] 해피 보 이지워시 선스틱 18g 세트(타임스퀘어점패션관) (#M)11st>선케어>선밤>선밤 11st > 뷰티 > 선케어 > 선밤 > 선밤'
  • '피지오겔 레드 수딩 AI 에어리 썬스틱 7g 1+1(2개) (#M)홈>스킨케어>선케어 HMALL > 뷰티 > 스킨케어 > 선케어'
4
  • '오스트레일리안골드 헴프네이션 오리지널 탠 익스텐더 바디로션 535ml (#M)SSG.COM/스킨케어/선케어/태닝 ssg > 뷰티 > 스킨케어 > 선케어 > 태닝'
  • '수딩앤모이스처 알로에베라92%수딩젤300ml (#M)홈>화장품/미용>바디케어>바디로션 Naverstore > 화장품/미용 > 바디케어 > 바디로션'
  • '세인트 트로페즈 셀프 탠 익스프레스 어드밴스드 브론징 무스 200ml (#M)SSG.COM/스킨케어/선케어/태닝 ssg > 뷰티 > 스킨케어 > 선케어 > 태닝'
3
  • '[맥퀸뉴욕] 1+ 1 UV 데일리 모이스처(수분) 선크림 1+1 UV 데일리 모이스처 선크림 (#M)SSG.COM/메이크업/립메이크업/립글로스 ssg > 뷰티 > 메이크업 > 아이메이크업 > 아이라이너'
  • '[공식] 더마비 10주년 바디로션/기획세트/멀티오일/프레쉬/크림/워시 1+1 S11.(애브리데이) 대용량 선블록 200ml×2개_S1.튜브견본(랜덤) 쇼킹딜 홈;쇼킹딜 홈>뷰티>바디/향수>바디케어;11st>뷰티>바디/향수>바디케어;11st>바디케어>바디로션>바디로션;11st > 뷰티 > 바디케어 > 바디로션 11st Hour Event > 패션/뷰티 > 뷰티 > 바디/향수 > 바디케어'
  • '[20%찜+T11%+묶음+당일 ] 롬앤 11번가 런칭! 모든 취향 취급 중! 밀크 그로서리 외 BEST 1+1 옵션31. 제로 선 클린 단품_01 프레쉬 쇼킹딜 홈>뷰티>선케어/메이크업>립/치크메이크업;11st>메이크업>립메이크업>립틴트;11st>뷰티>선케어/메이크업>립/치크메이크업;11st>뷰티>선케어/메이크업>아이메이크업;11st>메이크업>아이메이크업>마스카라;11st Hour Event > 패션/뷰티 > 뷰티 > 선케어/메이크업 > 립/치크메이크업 11st Hour Event > 패션/뷰티 > 뷰티 > 선케어/메이크업 > 아이메이크업'

Evaluation

Metrics

Label Accuracy
all 0.4903

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_bt_top8_test")
# Run inference
preds = model("엔프라니 옴므 선블록 썬크림 남성용 선크림  (#M)화장품/미용>남성화장품>선크림 Naverstore > 화장품/미용 > 남성화장품 > 선크림")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 11 21.656 72
Label Training Sample Count
0 50
1 50
2 50
3 50
4 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
0.0026 1 0.4513 -
0.1279 50 0.4435 -
0.2558 100 0.4063 -
0.3836 150 0.3413 -
0.5115 200 0.2997 -
0.6394 250 0.2434 -
0.7673 300 0.1724 -
0.8951 350 0.1334 -
1.0230 400 0.1078 -
1.1509 450 0.0997 -
1.2788 500 0.0937 -
1.4066 550 0.0933 -
1.5345 600 0.0909 -
1.6624 650 0.0897 -
1.7903 700 0.0842 -
1.9182 750 0.0741 -
2.0460 800 0.0764 -
2.1739 850 0.0745 -
2.3018 900 0.0733 -
2.4297 950 0.0748 -
2.5575 1000 0.0718 -
2.6854 1050 0.0568 -
2.8133 1100 0.0415 -
2.9412 1150 0.0256 -
3.0691 1200 0.0233 -
3.1969 1250 0.0128 -
3.3248 1300 0.0088 -
3.4527 1350 0.0066 -
3.5806 1400 0.0058 -
3.7084 1450 0.006 -
3.8363 1500 0.0058 -
3.9642 1550 0.0039 -
4.0921 1600 0.0043 -
4.2199 1650 0.0033 -
4.3478 1700 0.0059 -
4.4757 1750 0.0065 -
4.6036 1800 0.0061 -
4.7315 1850 0.0052 -
4.8593 1900 0.0054 -
4.9872 1950 0.0043 -
5.1151 2000 0.0064 -
5.2430 2050 0.0042 -
5.3708 2100 0.0046 -
5.4987 2150 0.0038 -
5.6266 2200 0.0031 -
5.7545 2250 0.0021 -
5.8824 2300 0.0006 -
6.0102 2350 0.0003 -
6.1381 2400 0.0001 -
6.2660 2450 0.0002 -
6.3939 2500 0.0 -
6.5217 2550 0.0 -
6.6496 2600 0.0001 -
6.7775 2650 0.0 -
6.9054 2700 0.0 -
7.0332 2750 0.0 -
7.1611 2800 0.0 -
7.2890 2850 0.0 -
7.4169 2900 0.0 -
7.5448 2950 0.0 -
7.6726 3000 0.0 -
7.8005 3050 0.0 -
7.9284 3100 0.0 -
8.0563 3150 0.0 -
8.1841 3200 0.0 -
8.3120 3250 0.0 -
8.4399 3300 0.0 -
8.5678 3350 0.0 -
8.6957 3400 0.0 -
8.8235 3450 0.0 -
8.9514 3500 0.0 -
9.0793 3550 0.0 -
9.2072 3600 0.0 -
9.3350 3650 0.0 -
9.4629 3700 0.0 -
9.5908 3750 0.0 -
9.7187 3800 0.0 -
9.8465 3850 0.0 -
9.9744 3900 0.0 -
10.1023 3950 0.0 -
10.2302 4000 0.0 -
10.3581 4050 0.0 -
10.4859 4100 0.0 -
10.6138 4150 0.0 -
10.7417 4200 0.0 -
10.8696 4250 0.0 -
10.9974 4300 0.0 -
11.1253 4350 0.0 -
11.2532 4400 0.0 -
11.3811 4450 0.0 -
11.5090 4500 0.0 -
11.6368 4550 0.0 -
11.7647 4600 0.0 -
11.8926 4650 0.0 -
12.0205 4700 0.0 -
12.1483 4750 0.0 -
12.2762 4800 0.0 -
12.4041 4850 0.0 -
12.5320 4900 0.0 -
12.6598 4950 0.0 -
12.7877 5000 0.0 -
12.9156 5050 0.0 -
13.0435 5100 0.0 -
13.1714 5150 0.0 -
13.2992 5200 0.0 -
13.4271 5250 0.0 -
13.5550 5300 0.0 -
13.6829 5350 0.0 -
13.8107 5400 0.0 -
13.9386 5450 0.0 -
14.0665 5500 0.0 -
14.1944 5550 0.0 -
14.3223 5600 0.0 -
14.4501 5650 0.0 -
14.5780 5700 0.0 -
14.7059 5750 0.0 -
14.8338 5800 0.0 -
14.9616 5850 0.0 -
15.0895 5900 0.0 -
15.2174 5950 0.0 -
15.3453 6000 0.0 -
15.4731 6050 0.0 -
15.6010 6100 0.0 -
15.7289 6150 0.0 -
15.8568 6200 0.0 -
15.9847 6250 0.0 -
16.1125 6300 0.0 -
16.2404 6350 0.0 -
16.3683 6400 0.0 -
16.4962 6450 0.0 -
16.6240 6500 0.0 -
16.7519 6550 0.0 -
16.8798 6600 0.0 -
17.0077 6650 0.0 -
17.1355 6700 0.0 -
17.2634 6750 0.0 -
17.3913 6800 0.0 -
17.5192 6850 0.0 -
17.6471 6900 0.0 -
17.7749 6950 0.0 -
17.9028 7000 0.0 -
18.0307 7050 0.0 -
18.1586 7100 0.0 -
18.2864 7150 0.0 -
18.4143 7200 0.0 -
18.5422 7250 0.0 -
18.6701 7300 0.0 -
18.7980 7350 0.0 -
18.9258 7400 0.0 -
19.0537 7450 0.0 -
19.1816 7500 0.0 -
19.3095 7550 0.0 -
19.4373 7600 0.0 -
19.5652 7650 0.0 -
19.6931 7700 0.0 -
19.8210 7750 0.0 -
19.9488 7800 0.0 -
20.0767 7850 0.0 -
20.2046 7900 0.0 -
20.3325 7950 0.0 -
20.4604 8000 0.0 -
20.5882 8050 0.0 -
20.7161 8100 0.0 -
20.8440 8150 0.0 -
20.9719 8200 0.0 -
21.0997 8250 0.0 -
21.2276 8300 0.0 -
21.3555 8350 0.0 -
21.4834 8400 0.0 -
21.6113 8450 0.0 -
21.7391 8500 0.0 -
21.8670 8550 0.0 -
21.9949 8600 0.0 -
22.1228 8650 0.0 -
22.2506 8700 0.0 -
22.3785 8750 0.0 -
22.5064 8800 0.0 -
22.6343 8850 0.0 -
22.7621 8900 0.0 -
22.8900 8950 0.0 -
23.0179 9000 0.0 -
23.1458 9050 0.0 -
23.2737 9100 0.0 -
23.4015 9150 0.0 -
23.5294 9200 0.0 -
23.6573 9250 0.0 -
23.7852 9300 0.0 -
23.9130 9350 0.0 -
24.0409 9400 0.0 -
24.1688 9450 0.0 -
24.2967 9500 0.0 -
24.4246 9550 0.0 -
24.5524 9600 0.0 -
24.6803 9650 0.0 -
24.8082 9700 0.0 -
24.9361 9750 0.0 -
25.0639 9800 0.0 -
25.1918 9850 0.0 -
25.3197 9900 0.0 -
25.4476 9950 0.0 -
25.5754 10000 0.0 -
25.7033 10050 0.0 -
25.8312 10100 0.0 -
25.9591 10150 0.0 -
26.0870 10200 0.0 -
26.2148 10250 0.0 -
26.3427 10300 0.0 -
26.4706 10350 0.0 -
26.5985 10400 0.0 -
26.7263 10450 0.0 -
26.8542 10500 0.0 -
26.9821 10550 0.0 -
27.1100 10600 0.0 -
27.2379 10650 0.0 -
27.3657 10700 0.0 -
27.4936 10750 0.0 -
27.6215 10800 0.0 -
27.7494 10850 0.0 -
27.8772 10900 0.0 -
28.0051 10950 0.0 -
28.1330 11000 0.0 -
28.2609 11050 0.0 -
28.3887 11100 0.0 -
28.5166 11150 0.0 -
28.6445 11200 0.0 -
28.7724 11250 0.0 -
28.9003 11300 0.0 -
29.0281 11350 0.0 -
29.1560 11400 0.0 -
29.2839 11450 0.0 -
29.4118 11500 0.0 -
29.5396 11550 0.0 -
29.6675 11600 0.0 -
29.7954 11650 0.0 -
29.9233 11700 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}
}