Hugging Face's logo

mini1013
/
master_cate_sl13

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community

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
4.0
  • '쇼크 닥터 스포츠/레저>보호용품>몸통보호대'
  • '지폼 흉골 심장보호대 M SN020201 스포츠/레저>보호용품>몸통보호대'
  • '격투기보호대 보호구 무에타이 가드 가슴 훈련 복부 스포츠/레저>보호용품>몸통보호대'
3.0
  • 'UNKNOWN 언더아머 UNDER ARMOUR 럭비 레귤러 헤드 캡 럭비 헤드 기어 MEN 맨즈 TEAM UA RUGBY REGULAR H 스포츠/레저>보호용품>머리보호대'
  • '에버라스트 머리보호대 USA 가죽 헤드기어 S EVULHG03 스포츠/레저>보호용품>머리보호대'
  • '클레토레예스 CLETO REYES Cheek Protection 헤드기어 남녀공용 스몰 스포츠/레저>보호용품>머리보호대'
6.0
  • '이지중량밴드 2kg 1kg 2개세트 중량밴드 모래주머니 중량밴드 발목중량밴드 EU322 스포츠/레저>보호용품>발목보호대'
  • '조깅 모래주머니 홈트 중량밴드 2개 산책 군인발목보호대 레져 스포츠/레저>보호용품>발목보호대'
  • 'OS1st FS6 미국특허 종아리 발목 보호대 밴드 아대 스포츠 등산 축구 운동 스포츠/레저>보호용품>발목보호대'
0.0
  • '손바닥 훈련용 낭심보호대 운동 스파링 복싱 태권도 격투기논슬립 메쉬 패드 손목 보호장갑 스포츠/레저>보호용품>급소보호대'
  • '3M 프로텍트 컴포트 시공 스타일 포지셔닝 하니스 2X-대 1개케이스 1161208 스포츠/레저>보호용품>급소보호대'
  • '위닝 스탠다드 그로인가드 훈련 낭심보호대 컵 성인 스포츠/레저>보호용품>급소보호대'
2.0
  • '파펜 독일 민트 마우스 가드 스포츠/레저>보호용품>마우스피스'
  • '마우스피스더블 팔 정강이 보호대 페이스마스크 장비SG 아대 호구 헤드기어 장갑 샅보대 스포츠/레저>보호용품>마우스피스'
  • 'BATTLE 배틀 3D Predator Oxygen 풋볼 마우스가드 피스 미식축구 보호 스포츠/레저>보호용품>마우스피스'
10.0
  • 'ATEX 스포츠텍스 A450 5cm x 5m 스포츠/레저>보호용품>테이핑요법'
  • 'UNKNOWN 나사라 퀵스트립 엘보우 근육테이프 스포츠/레저>보호용품>테이핑요법'
  • '파워풀엑스 메디핑 다이아몬드 타입 근육테이프 스포츠/레저>보호용품>테이핑요법'
12.0
  • '하빈져 맨즈 헥스코어 벨트 헬스벨트 리프팅 복대 허리보호대 스포츠/레저>보호용품>허리보호대'
  • 'SALOMON ADV 스킨 벨트 - 에보니 SKIN BELT EBONY LC1758200 스포츠/레저>보호용품>허리보호대'
  • 'No 1베스트셀러 패키지 하빈져 헬스벨트 5인치 폼코어 벨트 리프팅그립 리유저블백 스포츠/레저>보호용품>허리보호대'
1.0
  • '플러그피트니스 싱글 정강이 발목 웨이트바 I 편측 발목 운동 레그리프트 스포츠/레저>보호용품>다리보호대'
  • '여자 종아리 압박 밴드 보호대 토시 아대 카프 슬리브 스포츠/레저>보호용품>다리보호대'
  • '키모니 슬개골하단압박용 정강이 보호대 발목 KI20107 스포츠/레저>보호용품>다리보호대'
9.0
  • '군인 어깨보호대 조절형 어깨 고정 회전근개 보호대 보조기 아대 스포츠 스포츠/레저>보호용품>어깨보호대'
  • '회전근개보호대 헬스 운동 테니스 어깨 아대 보호대 스포츠/레저>보호용품>어깨보호대'
  • '디앤엠 1001 어깨보호대 2라인압박 오십견특수편제법 WDDBB1D 스포츠/레저>보호용품>어깨보호대'
11.0
  • 'OS1st ES6 미국특허 팔꿈치 보호대 엘보우 아대 헬스 테니스 골프 밴드 OS1-65340N 스포츠/레저>보호용품>팔보호대'
  • '키모니 탁터엘보 골프 테니스 배드민턴 엘보 KSP221 스포츠/레저>보호용품>팔보호대'
  • '레토 엘보 팔꿈치 보호대 헬스 테니스 골프 팔 아대 밴드 LSL-EB01 스포츠/레저>보호용품>팔보호대'
5.0
  • 'star 스타 소프트 무릎보호대 WHITE-L XD330 스포츠/레저>보호용품>무릎보호대'
  • '시그맥스 잠스트 무릎보호대 ZK-7 스포츠/레저>보호용품>무릎보호대'
  • '무릎 슬개골 보호대 등산 헬스 테니스 DD-12303 스포츠/레저>보호용품>무릎보호대'
7.0
  • 'SPELISPOS 여성용 긴팔 서핑 슈트 UV 수상 스포츠 타이트한 수영복 바다 해변 고탄성 다이빙 상의 스포츠/레저>보호용품>배보호대'
  • '뉴엘라 캡 59FIFTY 신시내티 레즈로드 62 스포츠/레저>보호용품>배보호대'
  • '더블 프레스 신처 언더 버스트 코르셋 바디 셰이퍼 허리 슬리밍 벨트 지퍼 스포츠/레저>보호용품>배보호대'
8.0
  • '프로스펙스 다이얼 손목 보호대 아대 밴드 고정 스포츠/레저>보호용품>손목보호대'
  • '디닥착 손목보호대 손목아대 손목밴드 우S 밴드 안함 스포츠/레저>보호용품>손목보호대'
  • '마모디 손목밴드 1 1 스포츠/레저>보호용품>손목보호대'

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_sl13")
# Run inference
preds = model("태권도 헤드기어 호구 헬멧 보호장비 킥복싱 스포츠/레저>보호용품>머리보호대")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 2 9.0551 21
Label Training Sample Count
0.0 70
1.0 69
2.0 70
3.0 70
4.0 69
5.0 70
6.0 70
7.0 70
8.0 70
9.0 69
10.0 70
11.0 70
12.0 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
0.0056 1 0.5164 -
0.2809 50 0.4982 -
0.5618 100 0.3968 -
0.8427 150 0.2131 -
1.1236 200 0.0919 -
1.4045 250 0.031 -
1.6854 300 0.0171 -
1.9663 350 0.0078 -
2.2472 400 0.0066 -
2.5281 450 0.0002 -
2.8090 500 0.0 -
3.0899 550 0.0 -
3.3708 600 0.0001 -
3.6517 650 0.0 -
3.9326 700 0.0 -
4.2135 750 0.0 -
4.4944 800 0.0001 -
4.7753 850 0.0 -
5.0562 900 0.0 -
5.3371 950 0.0 -
5.6180 1000 0.0 -
5.8989 1050 0.0002 -
6.1798 1100 0.0 -
6.4607 1150 0.0 -
6.7416 1200 0.0 -
7.0225 1250 0.0 -
7.3034 1300 0.0 -
7.5843 1350 0.0 -
7.8652 1400 0.0 -
8.1461 1450 0.0 -
8.4270 1500 0.0 -
8.7079 1550 0.0 -
8.9888 1600 0.0 -
9.2697 1650 0.0 -
9.5506 1700 0.0 -
9.8315 1750 0.0 -
10.1124 1800 0.0 -
10.3933 1850 0.0 -
10.6742 1900 0.0 -
10.9551 1950 0.0 -
11.2360 2000 0.0 -
11.5169 2050 0.0 -
11.7978 2100 0.0 -
12.0787 2150 0.0 -
12.3596 2200 0.0 -
12.6404 2250 0.0 -
12.9213 2300 0.0 -
13.2022 2350 0.0 -
13.4831 2400 0.0 -
13.7640 2450 0.0 -
14.0449 2500 0.0 -
14.3258 2550 0.0 -
14.6067 2600 0.0 -
14.8876 2650 0.0 -
15.1685 2700 0.0 -
15.4494 2750 0.0 -
15.7303 2800 0.0 -
16.0112 2850 0.0 -
16.2921 2900 0.0 -
16.5730 2950 0.0 -
16.8539 3000 0.0 -
17.1348 3050 0.0 -
17.4157 3100 0.0 -
17.6966 3150 0.0 -
17.9775 3200 0.0 -
18.2584 3250 0.0 -
18.5393 3300 0.0 -
18.8202 3350 0.0 -
19.1011 3400 0.0 -
19.3820 3450 0.0 -
19.6629 3500 0.0 -
19.9438 3550 0.0 -
20.2247 3600 0.0 -
20.5056 3650 0.0 -
20.7865 3700 0.0 -
21.0674 3750 0.0 -
21.3483 3800 0.0 -
21.6292 3850 0.0 -
21.9101 3900 0.0 -
22.1910 3950 0.0 -
22.4719 4000 0.0 -
22.7528 4050 0.0 -
23.0337 4100 0.0 -
23.3146 4150 0.0 -
23.5955 4200 0.0 -
23.8764 4250 0.0 -
24.1573 4300 0.0 -
24.4382 4350 0.0 -
24.7191 4400 0.0 -
25.0 4450 0.0 -
25.2809 4500 0.0 -
25.5618 4550 0.0 -
25.8427 4600 0.0 -
26.1236 4650 0.0 -
26.4045 4700 0.0 -
26.6854 4750 0.0 -
26.9663 4800 0.0 -
27.2472 4850 0.0 -
27.5281 4900 0.0 -
27.8090 4950 0.0 -
28.0899 5000 0.0 -
28.3708 5050 0.0 -
28.6517 5100 0.0 -
28.9326 5150 0.0 -
29.2135 5200 0.0 -
29.4944 5250 0.0 -
29.7753 5300 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}
}
Downloads last month
1,100
Safetensors
Model size
111M params
Tensor type
F32
·
Inference Providers NEW
Text Classification
This model is not currently available via any of the supported third-party Inference Providers, and the model is not deployed on the HF Inference API.

Model tree for mini1013/master_cate_sl13

Base model

klue/roberta-base
Finetuned
mini1013/master_domain
Finetuned
(213)
this model

Evaluation results

View on Papers With Code