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: 5 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
4.0	'기구 필라테스 체어 스프링 스트레칭 홈트 스텝체어 스포츠/레저>요가/필라테스>필라테스' '체어 필라테스 기구 대형 장비 코어 운동 전신 홈짐 스포츠/레저>요가/필라테스>필라테스' '집에서하는필라테스 레더바렐 레더배럴 원목 스트레칭 스포츠/레저>요가/필라테스>필라테스'
2.0	'밸런시스 NEW NR1 센터라인 요가매트 6.3mm 스포츠/레저>요가/필라테스>요가매트' '아디다스 피트니스 매트 ADYG-10010 스포츠/레저>요가/필라테스>요가매트' '듀잇 매트 + 스트랩 SET 스포츠/레저>요가/필라테스>요가매트'
3.0	'언더아머 커리 플리스 스웨트 팬츠 1374299001 스포츠/레저>요가/필라테스>요가복>하의' '로라벨 무르 니트 필라테스복 여성 요가복 필라테스 요가 상의 옷 커버업 운동복 스포츠/레저>요가/필라테스>요가복>상의' '데비웨어 여성 요가복 블랙 필라테스 서포트티 반팔티 DEVI-T0058 스포츠/레저>요가/필라테스>요가복>상의'
0.0	'그라데이션 플라잉 요가 해먹 고탄성 스포츠/레저>요가/필라테스>기타요가용품' '자세 폴 요가 스트랩 - 스틱 벨트 스포츠/레저>요가/필라테스>기타요가용품' '고정 공중 해먹 플라잉요가 요가 로프 천 스튜디오 스트레칭 필라테스 홈트 스포츠/레저>요가/필라테스>기타요가용품'
1.0	'요가 스트레칭 도구 요가링 필라테스링 허벅지 괄약근 다리 케겔운동 남성용 하체 힙업 항문 원형 팔 스포츠/레저>요가/필라테스>요가링/필라테스링' '홈트 종아리운동 근육풀기용 혈액순환 하드 요가링 마사지 어깨결림 필라테스 스트레칭 스포츠/레저>요가/필라테스>요가링/필라테스링' '홈트 운동 스트레칭 헬스 필라테스링 스포츠/레저>요가/필라테스>요가링/필라테스링'

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_sl24")
# Run inference
preds = model("KKJN 남자반팔상의요가복 NT1105 스포츠/레저>요가/필라테스>요가복>상의")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	8.2029	17

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	70
4.0	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
0.0145	1	0.4827	-
0.7246	50	0.4432	-
1.4493	100	0.0881	-
2.1739	150	0.0004	-
2.8986	200	0.0	-
3.6232	250	0.0	-
4.3478	300	0.0	-
5.0725	350	0.0	-
5.7971	400	0.0	-
6.5217	450	0.0	-
7.2464	500	0.0	-
7.9710	550	0.0	-
8.6957	600	0.0	-
9.4203	650	0.0	-
10.1449	700	0.0	-
10.8696	750	0.0	-
11.5942	800	0.0	-
12.3188	850	0.0	-
13.0435	900	0.0	-
13.7681	950	0.0	-
14.4928	1000	0.0	-
15.2174	1050	0.0	-
15.9420	1100	0.0	-
16.6667	1150	0.0	-
17.3913	1200	0.0	-
18.1159	1250	0.0	-
18.8406	1300	0.0	-
19.5652	1350	0.0	-
20.2899	1400	0.0	-
21.0145	1450	0.0	-
21.7391	1500	0.0	-
22.4638	1550	0.0	-
23.1884	1600	0.0	-
23.9130	1650	0.0	-
24.6377	1700	0.0	-
25.3623	1750	0.0	-
26.0870	1800	0.0	-
26.8116	1850	0.0	-
27.5362	1900	0.0	-
28.2609	1950	0.0	-
28.9855	2000	0.0	-
29.7101	2050	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}
}

mini1013
/

master_cate_sl24