Hugging Face's logo

mini1013
/
master_cate_bc21

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_bc21 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
edbcf3a verified
preview code
|
raw
history blame contribute delete
13.3 kB
 ---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 돌반지 백일 호랑이 호랑이띠 목걸이 3.75g 토퍼없음_14k 아기목걸이 기본3푼줄 옐로우골드 출산/육아 > 유아동주얼리 > 순금돌반지
- text: '[국제금거래소] (순도99.9%) 고급 순금 돌반지 1.875g 복(福)_고급케이스 출산/육아 > 유아동주얼리 > 순금돌반지'
- text: 베블링 순금 아기 돌팔찌 첫돌 백일 돌선물 3.75g 5.625g 7.5g 11.25g 3.75g_02.Happy 100 Days_국문
가는체 출산/육아 > 유아동주얼리 > 순금주얼리
- text: 별별나라 24k 순금 돌반지 조카 첫돌 아기백일 선물 3.75g 행운의 토끼 돌반지_기본 케이스 출산/육아 > 유아동주얼리 > 순금돌반지
- text: 바 탄생석 미아방지 실버세트/ 목걸이/ 팔찌 바 탄생석 미아방지 실버목걸이_1월(Garnet)_I타입(영문 우아체) 출산/육아 > 유아동주얼리
> 주얼리세트
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: 1.0
name: Accuracy
---
# 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:** 6 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>'핸드메이드 어린이 귀걸이 안아픈 귀찌 실리콘 나사형 진주볼-화이트 출산/육아 > 유아동주얼리 > 귀걸이'</li><li>'초등학생 어린이 귀걸이 귀찌 클립형 나사형 퍼플 큐빅_클립형 귀찌(무니켈) 출산/육아 > 유아동주얼리 > 귀걸이'</li><li>'어린이 초등학생 여아 귀걸이 귀찌 e513-1.미니하트퍼플 드롭_귀찌 출산/육아 > 유아동주얼리 > 귀걸이'</li></ul> |
| 4.0 | <ul><li>'미니써클 미아방지 실버세트/ 목걸이/ 팔찌 미니써클 미아방지 실버세트_J타입(영문 흘림체)_F타입(영문 바른체) 출산/육아 > 유아동주얼리 > 주얼리세트'</li><li>'겨울왕국2 엘사 눈꽃 목걸이 팔찌 반지 3종세트 출산/육아 > 유아동주얼리 > 주얼리세트'</li><li>'스키니 네모 탄생석 미아방지 실버세트/ 목걸이/ 팔찌 스키니 네모 미아방지 실버세트_1월(Garnet)_H타입(영문 볼드체) 출산/육아 > 유아동주얼리 > 주얼리세트'</li></ul> |
| 2.0 | <ul><li>'리바스골드 99.9 순금 1g/1.875g/3.75g 돌반지 금수저 순금열쇠 돌팔찌 모음전 09. 돌반지(왕관하트)_1.875g_H. 금박 폴라로이드 액자 패키지 출산/육아 > 유아동주얼리 > 순금돌반지'</li><li>'컷팅 왕관 돌반지 돌팔찌 3.75g 7.5g 11.25g 순금 자개함 보자기포장 백일반지 컷팅 왕관 돌반지 3.75g_백일 남색 리본_고급와당케이스 출산/육아 > 유아동주얼리 > 순금돌반지'</li><li>'호랑이 토끼 띠 밴드 돌반지 3.75g 순금 자개함 아기 백일반지 리본 토끼 3.75g_빨강 수국_안음기본케이스 출산/육아 > 유아동주얼리 > 순금돌반지'</li></ul> |
| 5.0 | <ul><li>'민트 핑크 하트볼체인 실버 아기미아방지팔찌 3mm볼_빨강＋각인함★_14＋2 （5-7세） 출산/육아 > 유아동주얼리 > 팔찌'</li><li>'스틱 바 미아방지 목걸이 팔찌 아기 아이 어린이 유아동 실버 순은 팔찌로 제작해주세요_탄생석 2월 출산/육아 > 유아동주얼리 > 팔찌'</li><li>'미아방지팔찌(14K 18K 발도장 돌팔찌 돌선물 백일선물 탄생석) 1860B 3번 고딕체_10월 핑크투어마린_18K / 사다리체인 출산/육아 > 유아동주얼리 > 팔찌'</li></ul> |
| 3.0 | <ul><li>'순금 돌팔찌 3.75g 7.5g 11.25g 8종 모음전 24k 첫돌 백일 아기 조카 선물 ⑶11.25g_⑴천사날개 출산/육아 > 유아동주얼리 > 순금주얼리'</li><li>'순금 당근 토끼띠 아기 돌목걸이 백일목걸이 3.75g 7.5g (99.9%) 순금 당근 토끼띠 아기목걸이/7.5g_색동 복주머니 팩킹_여자아기 출산/육아 > 유아동주얼리 > 순금주얼리'</li><li>'금수저 책연필 돌팔찌 7.5g 11.25g 18.75g 순금 자개함 포장 백일팔찌 금수저7.5g_첫돌 빨강 리본_고급송학자개케이스 출산/육아 > 유아동주얼리 > 순금주얼리'</li></ul> |
| 1.0 | <ul><li>'하트 데이지 14k 미아방지목걸이 18k 아기 금목걸이 여아 딸 출산/육아 > 유아동주얼리 > 목걸이/펜던트'</li><li>'실버 미아방지 목걸이 하트 탄생석 아기 돌선물 순은925 어린이날 기념 각인 조카선물 출산/육아 > 유아동주얼리 > 목걸이/펜던트'</li><li>'실버 오목코인 키즈 아기목걸이 미아방지목걸이 출산/육아 > 유아동주얼리 > 목걸이/펜던트'</li></ul> |
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 1.0 |
## 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_bc21")
# Run inference
preds = model("[국제금거래소] (순도99.9%) 고급 순금 돌반지 1.875g 복(福)_고급케이스 출산/육아 > 유아동주얼리 > 순금돌반지")
```
<!--
### 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 | 7 | 15.7703 | 32 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 20 |
| 2.0 | 70 |
| 3.0 | 70 |
| 4.0 | 70 |
| 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0137 | 1 | 0.4867 | - |
| 0.6849 | 50 | 0.4987 | - |
| 1.3699 | 100 | 0.3808 | - |
| 2.0548 | 150 | 0.1425 | - |
| 2.7397 | 200 | 0.053 | - |
| 3.4247 | 250 | 0.0037 | - |
| 4.1096 | 300 | 0.0001 | - |
| 4.7945 | 350 | 0.0001 | - |
| 5.4795 | 400 | 0.0001 | - |
| 6.1644 | 450 | 0.0001 | - |
| 6.8493 | 500 | 0.0 | - |
| 7.5342 | 550 | 0.0 | - |
| 8.2192 | 600 | 0.0 | - |
| 8.9041 | 650 | 0.0 | - |
| 9.5890 | 700 | 0.0 | - |
| 10.2740 | 750 | 0.0 | - |
| 10.9589 | 800 | 0.0 | - |
| 11.6438 | 850 | 0.0 | - |
| 12.3288 | 900 | 0.0 | - |
| 13.0137 | 950 | 0.0 | - |
| 13.6986 | 1000 | 0.0 | - |
| 14.3836 | 1050 | 0.0 | - |
| 15.0685 | 1100 | 0.0 | - |
| 15.7534 | 1150 | 0.0 | - |
| 16.4384 | 1200 | 0.0 | - |
| 17.1233 | 1250 | 0.0 | - |
| 17.8082 | 1300 | 0.0 | - |
| 18.4932 | 1350 | 0.0 | - |
| 19.1781 | 1400 | 0.0 | - |
| 19.8630 | 1450 | 0.0 | - |
| 20.5479 | 1500 | 0.0 | - |
| 21.2329 | 1550 | 0.0 | - |
| 21.9178 | 1600 | 0.0 | - |
| 22.6027 | 1650 | 0.0 | - |
| 23.2877 | 1700 | 0.0 | - |
| 23.9726 | 1750 | 0.0 | - |
| 24.6575 | 1800 | 0.0 | - |
| 25.3425 | 1850 | 0.0 | - |
| 26.0274 | 1900 | 0.0 | - |
| 26.7123 | 1950 | 0.0 | - |
| 27.3973 | 2000 | 0.0 | - |
| 28.0822 | 2050 | 0.0 | - |
| 28.7671 | 2100 | 0.0 | - |
| 29.4521 | 2150 | 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
```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.*
-->