---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 다이론 뉴핸드염료 의류 옷 면소재 패브릭 섬유 염색 36.튤립레드 싹다몰
- text: '[대형] 컬러 EVA 에바폼 스폰지 10T / 1M x 1.5M 15T_노랑 DH팩토리'
- text: 색 운용 한지 포장 공예 64 x 94cm 색 운용 한지_06 분홍색 덕인색채
- text: 도자기물레 돌림판 도예 회전판 미니 공방 전동 350와트 핸드 푸시 페달 통합 교육 모델 리그나이트
- text: 나무판넬 1호 - 30호 (기본형) / From Time S형(정사각)_5호 프롬타임
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: metric
      value: 0.9701504292352524
      name: Metric
---

# 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:** 11 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                                                                                                                                                                                                                                 |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 0.0   | <ul><li>'홀아트 플러스 모델링페이스트 2L P47-14  은계알파문구주식회사'</li><li>'알파 실버 아크릴물감 50ml 낱색 #943 Brilliant purple 화방 스토리'</li><li>'gamin 아크릴물감 대용량 500ml 물감놀이 퍼포먼스미술 집콕놀이 29색 # 레몬 옐로우 #13. 스카이 블루 홍당무'</li></ul>                                       |
| 4.0   | <ul><li>'묵운당 먹 소광 소(4정) 서예 캘리 동양화 한국화 사군자 민화  한국서예유통'</li><li>'타지마 먹물 PSS2-180 주황색 적색 먹치기 먹통용 청색 킬리만자로타이거'</li><li>'먹통 자동 선긋기 먹줄 먹실 휴대용 초크라인 먹물 단일 메가물류'</li></ul>                                                                       |
| 8.0   | <ul><li>'국내제작 50호 유화 면천 미송정왁구 캔버스 빈센트캔버스 F형 P형(풍경) (116.7 x 80.3)_50호(면천)_미송정왁구 코믹샵'</li><li>'색 운용 한지 포장 공예 64 x 94cm 색 운용 한지_23 자주색 덕인색채'</li><li>'양면 골판지 공예 A4 10장 516g  구구문구'</li></ul>                                               |
| 9.0   | <ul><li>'도자기물레 돌림판 도예 회전판 미니 공방 전동 250W 삼각형 LCD 페달 독점 에디션 리그나이트'</li><li>'나무 판 조각 공예 보드 원형 목재 반제품 그림 10개 지름 12-13cm 두께 1cm 10개입 오봉샵'</li><li>'실크스크린 프레임 / 망사 견장 / 15x20 프레임 목재_50x60_60목 견장된 프레임 2개 세트 지디큐 팩토리 (GDQ factory)'</li></ul>  |
| 6.0   | <ul><li>'LED 그림판 드로잉 보드 A4 3 스케치 웹툰 연습 복사 카피 미술 화방 교보재 A3 사이즈(대형) 주식회사 모든지코퍼레이션'</li><li>'필름 라이트박스 반사 A4 A3 보드 스튜디오 A3+ 3단 디밍 USB 케이블  대형 사이즈 곤이형보물상자2'</li><li>'라이트박스 A2 자석부착식 전용아답타 Oasis4N 포함 C.C.A2삼색컬러명암조절USB포트 어트랙션 B2C'</li></ul> |
| 1.0   | <ul><li>'화구함 미술도구 보관 미대생 물감 박스 정리함 붓 케이스 휴대용 그림통 05.스몰 그레이 A타입 3단 카미유상회'</li><li>'산돌 천 붓케이스 미니 소형 대형 BC- 1701 소형 (주)누보아트'</li><li>'마르지않는 붓 보관함 미술통 수채화 휴대용 서예 미술 단일 구멍 펜 홀더 (선물 상자) 달라브샵'</li></ul>                                      |
| 3.0   | <ul><li>'박물관이인정한 문방사우 세필족제비 면상필 대 서예붓 민화붓 동양화붓 2. 채색필_2-5 겸호 채색필 소 율아트'</li><li>'쿠레타케 워터브러쉬 소 쿠레타케 워터브러쉬 (대) 주식회사 아트클라우드'</li><li>'루벤스 스텐실 8000 5호 (1개)  양상추수입창고'</li></ul>                                                              |
| 7.0   | <ul><li>'원단 우드락 5T 60cm x 90cm 대량(박스단위) ★대용량 백색5T 60x90(1박스50개) 문화사'</li><li>'단열 압축 방음패드 폼보드 빨간색 스티로폼 하얀색 27 화이트 두께 5센티 가로50센티 가로50 플로랄퓨전'</li><li>'단열 압축 방음패드 폼보드 빨간색 스티로폼 하얀색 39 흰색 두께 9센티 가로50센티 가로50센 플로랄퓨전'</li></ul>               |
| 10.0  | <ul><li>'리트다이 액체 (패브릭/면 /섬유) 리트다이 액체_액체 42번 Golden Yellow 모든종합상사'</li><li>'리트다이 액체 (패브릭/면 /섬유) 리트다이 액체_액체 17번 Violet 모든종합상사'</li><li>'리트다이 액체 (패브릭/면 /섬유) 리트다이 액체_액체 4번 Teal 모든종합상사'</li></ul>                                           |
| 2.0   | <ul><li>'미술 화구통 소형  허니블루프렌즈'</li><li>'이젤 철제 대형 휴대용 일반형 [가벼운] 알루미늄 이젤-실버 다담다 주식회사'</li><li>'미젤로 다기능 물통 2L  주식회사 나라유통'</li></ul>                                                                                                           |
| 5.0   | <ul><li>'오일파스텔 48색 전문가용 1P 오일파스텔전용  스윗딜'</li><li>'문교 오일파스텔 48색 MOP-48 세트1개 [5010676]단일상품 (주)장학문구사'</li><li>'문교 전문가용 소프트 오일파스텔 MOPV 오일파스텔 MOPV (주)대림유통서비스'</li></ul>                                                                      |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.9702 |

## 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_lh27")
# Run inference
preds = model("다이론 뉴핸드염료 의류 옷 면소재 패브릭 섬유 염색 36.튤립레드 싹다몰")
```

<!--
### 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   | 10.5   | 23  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 50                    |
| 1.0   | 50                    |
| 2.0   | 50                    |
| 3.0   | 50                    |
| 4.0   | 50                    |
| 5.0   | 50                    |
| 6.0   | 50                    |
| 7.0   | 50                    |
| 8.0   | 50                    |
| 9.0   | 50                    |
| 10.0  | 50                    |

### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 40
- body_learning_rate: (2e-05, 2e-05)
- head_learning_rate: 2e-05
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False

### Training Results
| Epoch   | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0116  | 1    | 0.4265        | -               |
| 0.5814  | 50   | 0.2849        | -               |
| 1.1628  | 100  | 0.1489        | -               |
| 1.7442  | 150  | 0.0544        | -               |
| 2.3256  | 200  | 0.0363        | -               |
| 2.9070  | 250  | 0.0257        | -               |
| 3.4884  | 300  | 0.0122        | -               |
| 4.0698  | 350  | 0.0138        | -               |
| 4.6512  | 400  | 0.0088        | -               |
| 5.2326  | 450  | 0.0043        | -               |
| 5.8140  | 500  | 0.0004        | -               |
| 6.3953  | 550  | 0.0003        | -               |
| 6.9767  | 600  | 0.0001        | -               |
| 7.5581  | 650  | 0.0001        | -               |
| 8.1395  | 700  | 0.0001        | -               |
| 8.7209  | 750  | 0.0001        | -               |
| 9.3023  | 800  | 0.0001        | -               |
| 9.8837  | 850  | 0.0001        | -               |
| 10.4651 | 900  | 0.0001        | -               |
| 11.0465 | 950  | 0.0001        | -               |
| 11.6279 | 1000 | 0.0001        | -               |
| 12.2093 | 1050 | 0.0001        | -               |
| 12.7907 | 1100 | 0.0001        | -               |
| 13.3721 | 1150 | 0.0           | -               |
| 13.9535 | 1200 | 0.0           | -               |
| 14.5349 | 1250 | 0.0           | -               |
| 15.1163 | 1300 | 0.0001        | -               |
| 15.6977 | 1350 | 0.0           | -               |
| 16.2791 | 1400 | 0.0           | -               |
| 16.8605 | 1450 | 0.0           | -               |
| 17.4419 | 1500 | 0.0           | -               |
| 18.0233 | 1550 | 0.0           | -               |
| 18.6047 | 1600 | 0.0           | -               |
| 19.1860 | 1650 | 0.0           | -               |
| 19.7674 | 1700 | 0.0001        | -               |

### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.46.1
- PyTorch: 2.4.0+cu121
- Datasets: 2.20.0
- Tokenizers: 0.20.0

## 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.*
-->