---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 피카부 보넷 유아 신생아 모자 보닛 봄 가을 겨울 점핑 보넷_노랑_S(1-3세) 출산/육아 > 신생아의류 > 신생아모자/보닛
- text: (23겨울) 베베홀릭 레몬배앓이세트 M_크림 출산/육아 > 신생아의류 > 바디슈트/롬퍼
- text: 긴팔 매쉬 메쉬 반팔 나시 신생아 아기 바디 슈트 아기 옷 돌 50일 6개월 출산선물 21.버터바디슈트_12M_아이보리 출산/육아 >
신생아의류 > 바디슈트/롬퍼
- text: 아기 크리스마스 옷 산타 신생아 돌 아기옷 백일 50일 바디수트 루돌프 7.아기자기산타_화이트_73 출산/육아 > 신생아의류 > 바디슈트/롬퍼
- text: 편안행 신생아 레깅스 몸빼 고쟁이 멜빵 바지 돌 전 갓난 아기 영유아 옷 2개월 겨울 베베유발레깅스_크림_M6~12M) 출산/육아 >
신생아의류 > 레그/스패츠
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:** 8 classes
### 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 |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 7.0 | - '신생아 우주복 백일 돌 아기 외출복 베이비 바디슈트 파고슈트_네이비디_S(3~6개월) 출산/육아 > 신생아의류 > 우주복'
- '아기곰돌이후리스 방한 후리스 우주복 신생아 돌아기 겨울 외출복 킨더후리스 베이비슈트_허니옐로우_L(83~90cm) 출산/육아 > 신생아의류 > 우주복'
- '아기 곰돌이 후리스 우주복 털옷 방한 킨더 베이비 슈트 토끼 겨울 신생아 패딩 허니옐로우_베이비슈트 XL (~97cm) (모자별도구매) 출산/육아 > 신생아의류 > 우주복'
|
| 3.0 | - '자수배냇저고리 태명자수 신생아 이름 배냇수트 출산선물 뉴모달배냇수트 - 크림_체리 출산/육아 > 신생아의류 > 배냇저고리'
- '신생아배넷슈트 아기베넷저고리세트 토끼띠배냇저고리 엔젤저고리세트_66 출산/육아 > 신생아의류 > 배냇저고리'
- '베이비앤아이 신생아 사계절 배냇저고리 출산 선물세트 2종/3종/4종/5종 여름-3종세트_바니[베이지]_박스미포함 출산/육아 > 신생아의류 > 배냇저고리'
|
| 1.0 | - '아웃도어프로덕츠키즈에센셜조거 팬츠 4종택1 OD231BPT01 120_보라 출산/육아 > 신생아의류 > 레그/스패츠'
- '오뜨베베 신생아옷 아기옷 남여공용 크리스마스 베이비 유발레깅스 블랙_M 출산/육아 > 신생아의류 > 레그/스패츠'
- '백화점 신생아 뽀글이 니트 조거 팬츠 고쟁이 바지 2개월 돌 전 아기 옷 겨울 외출복 코제니트팬츠_네이비_S(0~6개월 60cm~70cm) 출산/육아 > 신생아의류 > 레그/스패츠'
|
| 5.0 | - '베베라온 오가닉 밤부 순면 아기 신생아 손싸개 발싸개 B.발싸개_가을/겨울_19_오가닉_스노우 출산/육아 > 신생아의류 > 손/발싸개'
- '메르베 신생아 무형광 무표백 순면 손싸게 아기 봄 여름 메쉬 매쉬 손싸개 발싸개 세트 24_미니미 (손싸개+발싸개) 출산/육아 > 신생아의류 > 손/발싸개'
- '[1+1] 메르베 신생아 무형광 순면 손싸게 아기 가을 겨울 손싸개 발싸개 세트 출산준비 16_토끼 손싸개_10_무궁화꽃 손싸개 출산/육아 > 신생아의류 > 손/발싸개'
|
| 0.0 | - '신생아 가제 손수건 오가닉 국산 유기농 면손수건 세트 민트(10장) 출산/육아 > 신생아의류 > 가제손수건'
- '오가닉 거즈 손수건 (4color 10P) 신생아 유기농 출산준비물 민트 출산/육아 > 신생아의류 > 가제손수건'
- '베이비앤아이 무형광 순면 손수건 20P 세트 손수건20P_고미+_올리브 출산/육아 > 신생아의류 > 가제손수건'
|
| 4.0 | - '[맘스네이처] 오가닉 5종 신생아 의류 출산선물세트 자가드(여름용)_오가닉5종_베베(자가드) 출산/육아 > 신생아의류 > 세트'
- '[맘스네이처] 오가닉 4종 선물세트 신생아선물 출산선물 양면(사계절용)_오가닉4종_마이홈75 출산/육아 > 신생아의류 > 세트'
- '2023년 토끼해 오가닉 신생아 출산6종 선물 세트(사계절,여름 선택) 당근토끼(사계절)_선물박스포장 출산/육아 > 신생아의류 > 세트'
|
| 2.0 | - '피카부 신생아 바디슈트 아기옷 여아 남아 실내복 100일 50일 봄 여름 가을 겨울 코니 슈트세트_오렌지_6m 출산/육아 > 신생아의류 > 바디슈트/롬퍼'
- '23겨울 미니로브 푸딩후드티 노랑_XL 출산/육아 > 신생아의류 > 바디슈트/롬퍼'
- '조동 모임 나이키 신생아 기모 바디수트 돌 전 아기 옷 외출복 2개월 3개월 단체 촬영 윈터 기모 J 후드슈트_검정_M(6~12M) 출산/육아 > 신생아의류 > 바디슈트/롬퍼'
|
| 6.0 | - '구루구루 바이크햇 차콜_2호(12~24) 출산/육아 > 신생아의류 > 신생아모자/보닛'
- '피카부 모자 신생아 돌 백일 아기 크리스마스모자 보넷 토끼 곰돌이 요정 모자 촬영룩 쿨쿨꼭지모자_카멜_FREE 출산/육아 > 신생아의류 > 신생아모자/보닛'
- '피카부 보넷 유아 신생아 모자 보닛 봄 가을 겨울 봄봄 보넷_핑크_M(3-5세) 출산/육아 > 신생아의류 > 신생아모자/보닛'
|
## 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_bc11")
# Run inference
preds = model("(23겨울) 베베홀릭 레몬배앓이세트 M_크림 출산/육아 > 신생아의류 > 바디슈트/롬퍼")
```
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:--------|:----|
| Word count | 7 | 15.0589 | 26 |
| 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 |
### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0091 | 1 | 0.4951 | - |
| 0.4545 | 50 | 0.5028 | - |
| 0.9091 | 100 | 0.4958 | - |
| 1.3636 | 150 | 0.2683 | - |
| 1.8182 | 200 | 0.0089 | - |
| 2.2727 | 250 | 0.0 | - |
| 2.7273 | 300 | 0.0 | - |
| 3.1818 | 350 | 0.0 | - |
| 3.6364 | 400 | 0.0 | - |
| 4.0909 | 450 | 0.0 | - |
| 4.5455 | 500 | 0.0 | - |
| 5.0 | 550 | 0.0 | - |
| 5.4545 | 600 | 0.0 | - |
| 5.9091 | 650 | 0.0 | - |
| 6.3636 | 700 | 0.0 | - |
| 6.8182 | 750 | 0.0 | - |
| 7.2727 | 800 | 0.0 | - |
| 7.7273 | 850 | 0.0 | - |
| 8.1818 | 900 | 0.0 | - |
| 8.6364 | 950 | 0.0 | - |
| 9.0909 | 1000 | 0.0 | - |
| 9.5455 | 1050 | 0.0 | - |
| 10.0 | 1100 | 0.0 | - |
| 10.4545 | 1150 | 0.0 | - |
| 10.9091 | 1200 | 0.0 | - |
| 11.3636 | 1250 | 0.0 | - |
| 11.8182 | 1300 | 0.0 | - |
| 12.2727 | 1350 | 0.0 | - |
| 12.7273 | 1400 | 0.0 | - |
| 13.1818 | 1450 | 0.0 | - |
| 13.6364 | 1500 | 0.0 | - |
| 14.0909 | 1550 | 0.0 | - |
| 14.5455 | 1600 | 0.0 | - |
| 15.0 | 1650 | 0.0 | - |
| 15.4545 | 1700 | 0.0 | - |
| 15.9091 | 1750 | 0.0 | - |
| 16.3636 | 1800 | 0.0 | - |
| 16.8182 | 1850 | 0.0 | - |
| 17.2727 | 1900 | 0.0 | - |
| 17.7273 | 1950 | 0.0 | - |
| 18.1818 | 2000 | 0.0 | - |
| 18.6364 | 2050 | 0.0 | - |
| 19.0909 | 2100 | 0.0 | - |
| 19.5455 | 2150 | 0.0 | - |
| 20.0 | 2200 | 0.0 | - |
| 20.4545 | 2250 | 0.0 | - |
| 20.9091 | 2300 | 0.0 | - |
| 21.3636 | 2350 | 0.0 | - |
| 21.8182 | 2400 | 0.0 | - |
| 22.2727 | 2450 | 0.0 | - |
| 22.7273 | 2500 | 0.0 | - |
| 23.1818 | 2550 | 0.0 | - |
| 23.6364 | 2600 | 0.0 | - |
| 24.0909 | 2650 | 0.0 | - |
| 24.5455 | 2700 | 0.0 | - |
| 25.0 | 2750 | 0.0 | - |
| 25.4545 | 2800 | 0.0 | - |
| 25.9091 | 2850 | 0.0 | - |
| 26.3636 | 2900 | 0.0 | - |
| 26.8182 | 2950 | 0.0 | - |
| 27.2727 | 3000 | 0.0 | - |
| 27.7273 | 3050 | 0.0 | - |
| 28.1818 | 3100 | 0.0 | - |
| 28.6364 | 3150 | 0.0 | - |
| 29.0909 | 3200 | 0.0 | - |
| 29.5455 | 3250 | 0.0 | - |
| 30.0 | 3300 | 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}
}
```