Hugging Face's logo

mini1013
/
master_cate_sl1

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_sl1 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
8b65ca4 verified
preview code
|
raw
history blame contribute delete
14.4 kB
metadata
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 르꼬끄골프 남성 V넥 컬러포인트 니트 가디건 GO321MKC91 스포츠/레저>골프>골프의류>니트
  - text: 손가락 보호핑거그립8개입 10세트 보로 프 테이 스포츠/레저>골프>골프연습용품>퍼팅용품
  - text: 스컬독 골프 비트코인 볼마커 캐디용품 버디나비 동전 볼마크 스포츠/레저>골프>골프필드용품>골프티
  - text: 닥스골프 여성 하우스체크 전판 패턴 여름 홑겹 점퍼 DNJU4B901I2 스포츠/레저>골프>골프의류>점퍼
  - text: 미스터골프 빈티지 클래식 금도금 볼마크 그린보수기 홀인원 스포츠/레저>골프>골프필드용품>기타필드용품
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:

  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
1.0
  • '미즈노 RB 스타일 프리미엄 보스턴백 5LXB210005 스포츠/레저>골프>골프백>보스턴백'
  • '캘러웨이 스타 보스턴백 스포츠/레저>골프>골프백>보스턴백'
  • '미니 백 골프 클럽 가방 하프백 쿼터백 스포츠/레저>골프>골프백>하프백'
8.0
  • '혼마 파크골프채 아식스볼 고급백 3종세트 SX001 스포츠/레저>골프>파크골프>파크골프클럽'
  • '파크골프 실리콘 볼 집게 스포츠/레저>골프>파크골프>파크골프용품'
  • 'HONMA 2024 혼마 파크골프채 파크골프 2종세트 TX-001 TX001 스포츠/레저>골프>파크골프>파크골프클럽'
6.0
  • '선물 미끄럼방지 교체 그립테이프 여성골프웨어 골프그립 편리한 DD348 스포츠/레저>골프>골프필드용품>그립'
  • '포틴 네임택 홀컵네임택 퍼팅디스크 HN8224 스포츠/레저>골프>골프필드용품>기타필드용품'
  • '아이언 그루브 볼크리너외 10가지 기능 그린보수기 판촉용 디봇 라인 정비 스포츠/레저>골프>골프필드용품>기타필드용품'
7.0
  • '아디다스 아디제로 투어2 Q46680 스포츠/레저>골프>골프화'
  • '왁 WAAC 골프 여성 STARDUST NEW 골프화 WI4GX23101WHX 스포츠/레저>골프>골프화'
  • '닥스 골프화 DKSH20-042M 스포츠/레저>골프>골프화'
5.0
  • '이토보리 2세대 드라이버 2023년 스포츠/레저>골프>골프클럽>드라이버'
  • '혼마 베레스 키와미6 2스타 유틸리티 2023년 스포츠/레저>골프>골프클럽>하이브리드/유틸리티'
  • '핑 PLD 밀드 앤서 퍼터 2022년 스포츠/레저>골프>골프클럽>퍼터'
3.0
  • '제이린드버그 아디나 스커트 GWSD07409-S125 스포츠/레저>골프>골프의류>스커트'
  • '남성 기본 골프복 긴팔티셔츠 남자 흰색 골프 기능성 이너웨어 스포츠/레저>골프>골프의류>티셔츠'
  • '데상트골프 여성 와이드 카라 패턴 반팔티셔츠 LGYG DP22WFTS63 스포츠/레저>골프>골프의류>티셔츠'
4.0
  • '까스텔바작 그린 골프화 슈즈백 신발 케이스 메쉬 주머니 스포츠/레저>골프>골프잡화>슈즈백'
  • '지포어 모자 골프 캡 스냅백 써클G G4AS23H39-TWLT 스포츠/레저>골프>골프잡화>모자'
  • '잭니클라우스 남성 컬러 포인트 앵클삭스 LBLAX24241 스포츠/레저>골프>골프잡화>양말'
0.0
  • 'VOLVIK 아기상어 골프공 4구 + 볼마커 세트 스포츠/레저>골프>골프공'
  • 'VOLVIK 스컬 에디션 비비드 골프공 4구 + 볼마커 세트 스포츠/레저>골프>골프공'
  • 'VOLVIK 크리스탈 골프공 스포츠/레저>골프>골프공'
2.0
  • '골프그립 교환 중형 솔벤트교체 테이프 50미터 양면 골프헤드커버 그립칼 선물zab758 스포츠/레저>골프>골프연습용품>퍼팅용품'
  • '퍼팅 골프타격매트 정밀 거리 그린 매트 볼 패드 미니 훈련 보조기구 스포츠/레저>골프>골프연습용품>퍼팅용품'
  • '골프 공 리턴 엑서사이즈 자동리턴 퍼팅 연습 둥근형 스포츠/레저>골프>골프연습용품>퍼팅용품'

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_sl1")
# Run inference
preds = model("손가락 보호핑거그립8개입 10세트 보로 프 테이 스포츠/레저>골프>골프연습용품>퍼팅용품")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 2 7.9873 18
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 70
4.0 70
5.0 70
6.0 70
7.0 70
8.0 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
0.0081 1 0.5161 -
0.4032 50 0.494 -
0.8065 100 0.321 -
1.2097 150 0.2113 -
1.6129 200 0.0942 -
2.0161 250 0.0468 -
2.4194 300 0.0134 -
2.8226 350 0.0003 -
3.2258 400 0.0002 -
3.6290 450 0.0001 -
4.0323 500 0.0001 -
4.4355 550 0.0001 -
4.8387 600 0.0001 -
5.2419 650 0.0001 -
5.6452 700 0.0001 -
6.0484 750 0.0001 -
6.4516 800 0.0001 -
6.8548 850 0.0001 -
7.2581 900 0.0001 -
7.6613 950 0.0001 -
8.0645 1000 0.0001 -
8.4677 1050 0.0 -
8.8710 1100 0.0 -
9.2742 1150 0.0 -
9.6774 1200 0.0 -
10.0806 1250 0.0 -
10.4839 1300 0.0 -
10.8871 1350 0.0 -
11.2903 1400 0.0 -
11.6935 1450 0.0 -
12.0968 1500 0.0 -
12.5 1550 0.0 -
12.9032 1600 0.0 -
13.3065 1650 0.0 -
13.7097 1700 0.0 -
14.1129 1750 0.0 -
14.5161 1800 0.0 -
14.9194 1850 0.0 -
15.3226 1900 0.0 -
15.7258 1950 0.0 -
16.1290 2000 0.0 -
16.5323 2050 0.0 -
16.9355 2100 0.0 -
17.3387 2150 0.0 -
17.7419 2200 0.0 -
18.1452 2250 0.0 -
18.5484 2300 0.0 -
18.9516 2350 0.0 -
19.3548 2400 0.0 -
19.7581 2450 0.0 -
20.1613 2500 0.0 -
20.5645 2550 0.0 -
20.9677 2600 0.0 -
21.3710 2650 0.0 -
21.7742 2700 0.0 -
22.1774 2750 0.0 -
22.5806 2800 0.0 -
22.9839 2850 0.0 -
23.3871 2900 0.0 -
23.7903 2950 0.0 -
24.1935 3000 0.0 -
24.5968 3050 0.0 -
25.0 3100 0.0 -
25.4032 3150 0.0 -
25.8065 3200 0.0 -
26.2097 3250 0.0 -
26.6129 3300 0.0 -
27.0161 3350 0.0 -
27.4194 3400 0.0 -
27.8226 3450 0.0 -
28.2258 3500 0.0 -
28.6290 3550 0.0 -
29.0323 3600 0.0 -
29.4355 3650 0.0 -
29.8387 3700 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}
}