metadata

tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 쉬즈홈 썬키즈 시어서커 차렵이불 베개세트 S 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트
  - text: 침구 이불베개세트 구스 밍크 홑이불토퍼세트 여름용 2컬러 가구/인테리어>침구세트>이불패드세트>슈퍼싱글이불패드세트
  - text: Q아라벨르 에린 극세사 침구세트 가구/인테리어>침구세트>이불베개세트>더블/퀸이불베개세트
  - text: 아망떼 아르카나 먼지없는 지퍼형 차렵이불커버 패드세트 가구/인테리어>침구세트>이불패드세트>슈퍼싱글이불패드세트
  - text: 세사 SESA 원스 알러지케어 이불베개세트 Q 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트
metrics:
  - accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: mini1013/master_domain
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: 1
            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:

Fine-tuning a Sentence Transformer with contrastive learning.
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
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 6 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
0.0	'파코홈 굿메이드 300T 60수샤틴 홑겹이불커버 매트풀세트 SK 가구/인테리어>침구세트>매트커버세트>킹매트커버세트' '마이하우스 알러지케어 디노랜드 키즈 사계절 이불 풀세트 S/SS 가구/인테리어>침구세트>매트커버세트>슈퍼싱글매트커버세트' '마이하우스 알러지케어 래빗도트 핑크 키즈 차렵이불 풀세트 S/SS 가구/인테리어>침구세트>매트커버세트>슈퍼싱글매트커버세트'
5.0	'한스데코 솔리드 극세사 차렵이불 세트 슈퍼싱글 1042880708 가구/인테리어>침구세트>한실예단세트' '더이픽 바른 수면자세 서포트 무릎쿠션 메모리폼 쿠션 KA-A11125 가구/인테리어>침구세트>한실예단세트' '특급 순면 꽃신상자 강면 꽃길이 솜털 수제솜 이불 속통 면주머니 목화솜 벌크업 면화 솜옷 가구/인테리어>침구세트>한실예단세트'
2.0	'설렘하우스 곰탱이 소프트 마이크로 사계절 이불베개세트 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트' '믹스앤매치 에센셜 스트라이프 듀라론 냉감 여름 차렵이불 베개커버 세트 Q 가구/인테리어>침구세트>이불베개세트>더블/퀸이불베개세트' '드로잉에이미 drawing AMY 삐삐 차렵 이불 세트 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트'
3.0	'파르페 파르페by알레르망 마틴 알러지케어 다운필 차렵이불패드세트 S 가구/인테리어>침구세트>이불패드세트>슈퍼싱글이불패드세트' '운현궁 샤커 보니 패드세트Q 가구/인테리어>침구세트>이불패드세트>더블/퀸이불패드세트' '레노마홈 뮤이모달 차렵이불 패드세트 Q 여름용 가구/인테리어>침구세트>이불패드세트>더블/퀸이불패드세트'
1.0	'아망떼 15cm 더 커진 허밍가든 플라워 순면광목 차렵이불 요세트 Q 가구/인테리어>침구세트>요이불세트>2/3인용' '아망떼 리틀가든 순면 차렵이불 요세트 SS 가구/인테리어>침구세트>요이불세트>1인용' '아망떼 도티야 세미마이크로 차렵이불 요세트 Q 가구/인테리어>침구세트>요이불세트>2/3인용'
4.0	'라마 스커트 침대커버 세트 Q 가구/인테리어>침구세트>침대커버세트>더블/퀸침대커버세트' '클라모프 텐셀 호텔 시트 커버 세트 Q 가구/인테리어>침구세트>침대커버세트>더블/퀸침대커버세트' '러빙랩 다비치 레이스 침대커버 세트 Q 가구/인테리어>침구세트>침대커버세트>더블/퀸침대커버세트'

Evaluation

Metrics

Label	Accuracy
all	1.0

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_fi12")
# Run inference
preds = model("Q아라벨르 에린 극세사 침구세트 가구/인테리어>침구세트>이불베개세트>더블/퀸이불베개세트")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	8.4207	20

Label	Training Sample Count
0.0	48
1.0	7
2.0	70
3.0	70
4.0	6
5.0	70

Training Hyperparameters

batch_size: (256, 256)
num_epochs: (30, 30)
max_steps: -1
sampling_strategy: oversampling
num_iterations: 50
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
0.0189	1	0.4779	-
0.9434	50	0.4942	-
1.8868	100	0.3341	-
2.8302	150	0.012	-
3.7736	200	0.0006	-
4.7170	250	0.0005	-
5.6604	300	0.0007	-
6.6038	350	0.0005	-
7.5472	400	0.0007	-
8.4906	450	0.0004	-
9.4340	500	0.0004	-
10.3774	550	0.0	-
11.3208	600	0.0	-
12.2642	650	0.0	-
13.2075	700	0.0	-
14.1509	750	0.0	-
15.0943	800	0.0	-
16.0377	850	0.0	-
16.9811	900	0.0	-
17.9245	950	0.0	-
18.8679	1000	0.0	-
19.8113	1050	0.0	-
20.7547	1100	0.0	-
21.6981	1150	0.0	-
22.6415	1200	0.0	-
23.5849	1250	0.0	-
24.5283	1300	0.0	-
25.4717	1350	0.0	-
26.4151	1400	0.0	-
27.3585	1450	0.0	-
28.3019	1500	0.0	-
29.2453	1550	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}
}