---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- accuracy
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: '[기획세트][로레알파리] UV 디펜더 50ml+유브이 디펜더 베이지 15ml 매트&프레쉬 위메프 > 생활·주방·반려동물 > 바디/헤어
> 샴푸/린스/헤어케어;위메프 > 뷰티 > 메이크업 > 아이 메이크업;위메프 > 뷰티 > 바디/헤어 > 샴푸/린스/헤어케어 > 트리트먼트;위메프
> 뷰티 > 메이크업 > 베이스 메이크업 > 파운데이션;위메프 > 뷰티 > 메이크업 > 아이 메이크업 > 마스카라;위메프 > 뷰티 > 메이크업
> 립 메이크업;(#M)위메프 > 뷰티 > 선케어 > 선크림/선블록 > 선크림/선블록 위메프 > 뷰티 > 선케어 > 선크림/선블록 > 선크림/선블록'
- text: 이니스프리 트루 히알루론 수분 선크림 SPF50+ PA++++ 50ml × 4개 (#M)쿠팡 홈>뷰티>스킨케어>선케어/태닝>선케어>선블록/선크림/선로션
Coupang > 뷰티 > 로드샵 > 스킨케어 > 선케어/태닝
- text: 이니스프리 인텐시브 롱래스팅 선스크린 EX SPF50+ PA++++ 20개_50ml (#M)쿠팡 홈>뷰티>스킨케어>선케어/태닝>선케어>선블록/선크림/선로션
Coupang > 뷰티 > 로드샵 > 스킨케어 > 선케어/태닝 > 선케어 > 선블록/선크림/선로션
- text: 헤라 선 메이트 레포츠 프로 워터프루프 70ml(SPF50+) (#M)홈>화장품/미용>선케어>선크림 Naverstore > 화장품/미용
> 선케어 > 선크림
- text: 이니스프리 트루 마일드 시카 무기자차 선크림 SPF50+ PA4+ 50mL 1 +1 MinSellAmount (#M)화장품/향수>선케어>선크림
Gmarket > 뷰티 > 화장품/향수 > 선케어 > 선크림
inference: true
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: 0.3319713993871297
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:** 5 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 |
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 2 | - '이니스프리 노세범 선쿠션 SPF50+ PA++++ 14g × 8개 LotteOn > 뷰티 > 스킨케어 > 선케어 > 선크림 LotteOn > 뷰티 > 스킨케어 > 선케어 > 선크림'
- '1+1 / 달바 비건 톤업 선쿠션 15gX2개 / 촉촉 간편하게 혼합자차 핑크빛 물광 윤광 / 베이스 프리 데일리 필수템 [단품] 톤업 선쿠션 15g(1개) (#M)홈>제품유형별>선케어 Naverstore > 화장품/미용 > 선케어 > 선파우더/쿠션'
- 'UV 프로텍티브 컴팩트 파운데이션(리필+케이스) SPF35/PA+++ 12g 페어 아이보리 DepartmentLotteOn > 뷰티 > 스킨케어 > 선케어 > 선크림/선로션 DepartmentLotteOn > 뷰티 > 스킨케어 > 선케어 > 선크림/선로션'
|
| 1 | - '비쉬 까삐탈 솔레일 선 스프레이 LSF50 200ml ssg > 뷰티 > 스킨케어 > 선케어 > 선크림 ssg > 뷰티 > 스킨케어 > 선케어 > 선크림'
- '끈적임없는 SNP 선스프레이 자외선차단 쿨링 뿌리는 선크림 (#M)홈>화장품/미용>선케어>선스프레이 Naverstore > 화장품/미용 > 선케어 > 선스프레이'
- '리더스 자외선차단 썬버디 올 오버 선 스프레이 180ml MinSellAmount (#M)화장품/향수>선케어>선스프레이 Gmarket > 뷰티 > 화장품/향수 > 선케어 > 선스프레이'
|
| 0 | - '[AHC 썸머세일] 박세리감독 기획 마스터즈 에어리치 선스틱 14g+[ ] 마... 옵션선택:002P01)선스틱 LotteOn > 뷰티 > 헤어/바디 > 바디케어 > 바디케어용품 LotteOn > 뷰티 > 헤어/바디 > 바디케어 > 바디케어용품'
- '3CE PRIMER SUN STICK 프라이머 선스틱 BEIGE_FRE ssg > 뷰티 > 메이크업 > 립메이크업 > 립스틱;ssg > 뷰티 > 스킨케어 > 선케어 > 선스틱 ssg > 뷰티 > 스킨케어 > 선케어'
- '에스케이-투 피테라 풀라인 세트 1개 Coupang > 뷰티 > 선물세트/키트 > 선물세트 > 스킨케어;쿠팡 홈;(#M)쿠팡 홈>뷰티>선물세트/키트>선물세트>스킨케어 Coupang > 뷰티 > 선물세트/키트 > 선물세트 > 스킨케어'
|
| 4 | - '마몽드 로즈워터 수딩젤 300 ml ssg > 뷰티 > 스킨케어 > 크림 ssg > 뷰티 > 스킨케어 > 크림'
- '푸드어홀릭 알로에/스네일 수딩젤 300ml MinSellAmount 화장품/향수>크림>안티에이징크림;(#M)화장품/향수>스킨케어>크림/젤 Gmarket > 뷰티 > 화장품/향수 > 스킨케어 > 크림/젤'
- '메디플라워 알로에베라 프레시 수딩젤 300ml 300ml × 1개 쿠팡 홈>뷰티>스킨케어>기초화장품>크림/올인원>페이셜크림;쿠팡 홈;Coupang > 뷰티 > 스킨케어 > 기초화장품;(#M)쿠팡 홈>뷰티>스킨케어>크림/올인원>페이셜크림 Coupang > 뷰티 > 스킨케어 > 크림/올인원 > 페이셜크림'
|
| 3 | - '싸이닉 엔조이 올라운드 워터리 선크림 200g 2개 LotteOn > 뷰티 > 남성화장품 > 선크림 LotteOn > 뷰티 > 남성화장품 > 선크림'
- ' 상백크림 30ml/50ml SPF50+/PA++++ 1호 크리미 글로우 30ml LotteOn > 뷰티 > 스킨케어 > 크림 LotteOn > 뷰티 > 스킨케어 > 크림'
- '(485387) 이니스프리 트루히알루론수분선크림기획 SPF50+ PA4+ 50mL+20mL 무료배송 (#M)SSG.COM/스킨케어/스킨케어세트 ssg > 뷰티 > 스킨케어 > 스킨케어세트'
|
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 0.3320 |
## 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_bt7_test_flat_top_cate")
# Run inference
preds = model("헤라 선 메이트 레포츠 프로 워터프루프 70ml(SPF50+) (#M)홈>화장품/미용>선케어>선크림 Naverstore > 화장품/미용 > 선케어 > 선크림")
```
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:-------|:----|
| Word count | 11 | 21.836 | 72 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0 | 50 |
| 1 | 50 |
| 2 | 50 |
| 3 | 50 |
| 4 | 50 |
### Training Hyperparameters
- batch_size: (64, 64)
- num_epochs: (30, 30)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 100
- 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 |
|:-------:|:-----:|:-------------:|:---------------:|
| 0.0026 | 1 | 0.4309 | - |
| 0.1279 | 50 | 0.4454 | - |
| 0.2558 | 100 | 0.4001 | - |
| 0.3836 | 150 | 0.3616 | - |
| 0.5115 | 200 | 0.3104 | - |
| 0.6394 | 250 | 0.2446 | - |
| 0.7673 | 300 | 0.1921 | - |
| 0.8951 | 350 | 0.1521 | - |
| 1.0230 | 400 | 0.1177 | - |
| 1.1509 | 450 | 0.0973 | - |
| 1.2788 | 500 | 0.0926 | - |
| 1.4066 | 550 | 0.0866 | - |
| 1.5345 | 600 | 0.0826 | - |
| 1.6624 | 650 | 0.078 | - |
| 1.7903 | 700 | 0.0741 | - |
| 1.9182 | 750 | 0.0709 | - |
| 2.0460 | 800 | 0.0658 | - |
| 2.1739 | 850 | 0.0657 | - |
| 2.3018 | 900 | 0.0566 | - |
| 2.4297 | 950 | 0.0549 | - |
| 2.5575 | 1000 | 0.043 | - |
| 2.6854 | 1050 | 0.0391 | - |
| 2.8133 | 1100 | 0.0197 | - |
| 2.9412 | 1150 | 0.0108 | - |
| 3.0691 | 1200 | 0.0085 | - |
| 3.1969 | 1250 | 0.0082 | - |
| 3.3248 | 1300 | 0.0067 | - |
| 3.4527 | 1350 | 0.0082 | - |
| 3.5806 | 1400 | 0.0077 | - |
| 3.7084 | 1450 | 0.007 | - |
| 3.8363 | 1500 | 0.0046 | - |
| 3.9642 | 1550 | 0.0049 | - |
| 4.0921 | 1600 | 0.0041 | - |
| 4.2199 | 1650 | 0.003 | - |
| 4.3478 | 1700 | 0.0003 | - |
| 4.4757 | 1750 | 0.0002 | - |
| 4.6036 | 1800 | 0.0 | - |
| 4.7315 | 1850 | 0.0 | - |
| 4.8593 | 1900 | 0.0 | - |
| 4.9872 | 1950 | 0.0 | - |
| 5.1151 | 2000 | 0.0 | - |
| 5.2430 | 2050 | 0.0 | - |
| 5.3708 | 2100 | 0.0 | - |
| 5.4987 | 2150 | 0.0 | - |
| 5.6266 | 2200 | 0.0 | - |
| 5.7545 | 2250 | 0.0001 | - |
| 5.8824 | 2300 | 0.0001 | - |
| 6.0102 | 2350 | 0.0 | - |
| 6.1381 | 2400 | 0.0003 | - |
| 6.2660 | 2450 | 0.0 | - |
| 6.3939 | 2500 | 0.0 | - |
| 6.5217 | 2550 | 0.0002 | - |
| 6.6496 | 2600 | 0.0007 | - |
| 6.7775 | 2650 | 0.0008 | - |
| 6.9054 | 2700 | 0.0028 | - |
| 7.0332 | 2750 | 0.0024 | - |
| 7.1611 | 2800 | 0.0002 | - |
| 7.2890 | 2850 | 0.0 | - |
| 7.4169 | 2900 | 0.0 | - |
| 7.5448 | 2950 | 0.0 | - |
| 7.6726 | 3000 | 0.0 | - |
| 7.8005 | 3050 | 0.0 | - |
| 7.9284 | 3100 | 0.0 | - |
| 8.0563 | 3150 | 0.0001 | - |
| 8.1841 | 3200 | 0.0 | - |
| 8.3120 | 3250 | 0.0 | - |
| 8.4399 | 3300 | 0.0002 | - |
| 8.5678 | 3350 | 0.0002 | - |
| 8.6957 | 3400 | 0.0 | - |
| 8.8235 | 3450 | 0.0002 | - |
| 8.9514 | 3500 | 0.0 | - |
| 9.0793 | 3550 | 0.0 | - |
| 9.2072 | 3600 | 0.0 | - |
| 9.3350 | 3650 | 0.0 | - |
| 9.4629 | 3700 | 0.0 | - |
| 9.5908 | 3750 | 0.0 | - |
| 9.7187 | 3800 | 0.0 | - |
| 9.8465 | 3850 | 0.0 | - |
| 9.9744 | 3900 | 0.0 | - |
| 10.1023 | 3950 | 0.0 | - |
| 10.2302 | 4000 | 0.0 | - |
| 10.3581 | 4050 | 0.0 | - |
| 10.4859 | 4100 | 0.0 | - |
| 10.6138 | 4150 | 0.0 | - |
| 10.7417 | 4200 | 0.0 | - |
| 10.8696 | 4250 | 0.0 | - |
| 10.9974 | 4300 | 0.0 | - |
| 11.1253 | 4350 | 0.0 | - |
| 11.2532 | 4400 | 0.0 | - |
| 11.3811 | 4450 | 0.0 | - |
| 11.5090 | 4500 | 0.0 | - |
| 11.6368 | 4550 | 0.0 | - |
| 11.7647 | 4600 | 0.0002 | - |
| 11.8926 | 4650 | 0.0 | - |
| 12.0205 | 4700 | 0.0 | - |
| 12.1483 | 4750 | 0.0 | - |
| 12.2762 | 4800 | 0.0 | - |
| 12.4041 | 4850 | 0.0 | - |
| 12.5320 | 4900 | 0.0 | - |
| 12.6598 | 4950 | 0.0 | - |
| 12.7877 | 5000 | 0.0 | - |
| 12.9156 | 5050 | 0.0 | - |
| 13.0435 | 5100 | 0.0 | - |
| 13.1714 | 5150 | 0.0 | - |
| 13.2992 | 5200 | 0.0 | - |
| 13.4271 | 5250 | 0.0 | - |
| 13.5550 | 5300 | 0.0 | - |
| 13.6829 | 5350 | 0.0 | - |
| 13.8107 | 5400 | 0.0 | - |
| 13.9386 | 5450 | 0.0 | - |
| 14.0665 | 5500 | 0.0 | - |
| 14.1944 | 5550 | 0.0 | - |
| 14.3223 | 5600 | 0.0 | - |
| 14.4501 | 5650 | 0.0 | - |
| 14.5780 | 5700 | 0.0 | - |
| 14.7059 | 5750 | 0.0 | - |
| 14.8338 | 5800 | 0.0005 | - |
| 14.9616 | 5850 | 0.0 | - |
| 15.0895 | 5900 | 0.0 | - |
| 15.2174 | 5950 | 0.0 | - |
| 15.3453 | 6000 | 0.0 | - |
| 15.4731 | 6050 | 0.0 | - |
| 15.6010 | 6100 | 0.0 | - |
| 15.7289 | 6150 | 0.0 | - |
| 15.8568 | 6200 | 0.0 | - |
| 15.9847 | 6250 | 0.0 | - |
| 16.1125 | 6300 | 0.0 | - |
| 16.2404 | 6350 | 0.0 | - |
| 16.3683 | 6400 | 0.0 | - |
| 16.4962 | 6450 | 0.0 | - |
| 16.6240 | 6500 | 0.0 | - |
| 16.7519 | 6550 | 0.0 | - |
| 16.8798 | 6600 | 0.0 | - |
| 17.0077 | 6650 | 0.0 | - |
| 17.1355 | 6700 | 0.0 | - |
| 17.2634 | 6750 | 0.0 | - |
| 17.3913 | 6800 | 0.0 | - |
| 17.5192 | 6850 | 0.0 | - |
| 17.6471 | 6900 | 0.0 | - |
| 17.7749 | 6950 | 0.0 | - |
| 17.9028 | 7000 | 0.0 | - |
| 18.0307 | 7050 | 0.0 | - |
| 18.1586 | 7100 | 0.0004 | - |
| 18.2864 | 7150 | 0.0008 | - |
| 18.4143 | 7200 | 0.0012 | - |
| 18.5422 | 7250 | 0.001 | - |
| 18.6701 | 7300 | 0.0002 | - |
| 18.7980 | 7350 | 0.0001 | - |
| 18.9258 | 7400 | 0.0 | - |
| 19.0537 | 7450 | 0.0 | - |
| 19.1816 | 7500 | 0.0 | - |
| 19.3095 | 7550 | 0.0 | - |
| 19.4373 | 7600 | 0.0 | - |
| 19.5652 | 7650 | 0.0 | - |
| 19.6931 | 7700 | 0.0 | - |
| 19.8210 | 7750 | 0.0 | - |
| 19.9488 | 7800 | 0.0 | - |
| 20.0767 | 7850 | 0.0 | - |
| 20.2046 | 7900 | 0.0003 | - |
| 20.3325 | 7950 | 0.0 | - |
| 20.4604 | 8000 | 0.0 | - |
| 20.5882 | 8050 | 0.0 | - |
| 20.7161 | 8100 | 0.0 | - |
| 20.8440 | 8150 | 0.0 | - |
| 20.9719 | 8200 | 0.0 | - |
| 21.0997 | 8250 | 0.0 | - |
| 21.2276 | 8300 | 0.0 | - |
| 21.3555 | 8350 | 0.0 | - |
| 21.4834 | 8400 | 0.0 | - |
| 21.6113 | 8450 | 0.0 | - |
| 21.7391 | 8500 | 0.0 | - |
| 21.8670 | 8550 | 0.0 | - |
| 21.9949 | 8600 | 0.0 | - |
| 22.1228 | 8650 | 0.0 | - |
| 22.2506 | 8700 | 0.0 | - |
| 22.3785 | 8750 | 0.0 | - |
| 22.5064 | 8800 | 0.0 | - |
| 22.6343 | 8850 | 0.0 | - |
| 22.7621 | 8900 | 0.0 | - |
| 22.8900 | 8950 | 0.0 | - |
| 23.0179 | 9000 | 0.0 | - |
| 23.1458 | 9050 | 0.0 | - |
| 23.2737 | 9100 | 0.0 | - |
| 23.4015 | 9150 | 0.0 | - |
| 23.5294 | 9200 | 0.0 | - |
| 23.6573 | 9250 | 0.0 | - |
| 23.7852 | 9300 | 0.0 | - |
| 23.9130 | 9350 | 0.0 | - |
| 24.0409 | 9400 | 0.0 | - |
| 24.1688 | 9450 | 0.0 | - |
| 24.2967 | 9500 | 0.0 | - |
| 24.4246 | 9550 | 0.0 | - |
| 24.5524 | 9600 | 0.0 | - |
| 24.6803 | 9650 | 0.0 | - |
| 24.8082 | 9700 | 0.0 | - |
| 24.9361 | 9750 | 0.0 | - |
| 25.0639 | 9800 | 0.0 | - |
| 25.1918 | 9850 | 0.0 | - |
| 25.3197 | 9900 | 0.0 | - |
| 25.4476 | 9950 | 0.0 | - |
| 25.5754 | 10000 | 0.0 | - |
| 25.7033 | 10050 | 0.0 | - |
| 25.8312 | 10100 | 0.0 | - |
| 25.9591 | 10150 | 0.0 | - |
| 26.0870 | 10200 | 0.0 | - |
| 26.2148 | 10250 | 0.0 | - |
| 26.3427 | 10300 | 0.0 | - |
| 26.4706 | 10350 | 0.0 | - |
| 26.5985 | 10400 | 0.0 | - |
| 26.7263 | 10450 | 0.0 | - |
| 26.8542 | 10500 | 0.0 | - |
| 26.9821 | 10550 | 0.0 | - |
| 27.1100 | 10600 | 0.0 | - |
| 27.2379 | 10650 | 0.0 | - |
| 27.3657 | 10700 | 0.0 | - |
| 27.4936 | 10750 | 0.0 | - |
| 27.6215 | 10800 | 0.0 | - |
| 27.7494 | 10850 | 0.0 | - |
| 27.8772 | 10900 | 0.0 | - |
| 28.0051 | 10950 | 0.0 | - |
| 28.1330 | 11000 | 0.0 | - |
| 28.2609 | 11050 | 0.0 | - |
| 28.3887 | 11100 | 0.0 | - |
| 28.5166 | 11150 | 0.0 | - |
| 28.6445 | 11200 | 0.0 | - |
| 28.7724 | 11250 | 0.0 | - |
| 28.9003 | 11300 | 0.0 | - |
| 29.0281 | 11350 | 0.0 | - |
| 29.1560 | 11400 | 0.0 | - |
| 29.2839 | 11450 | 0.0 | - |
| 29.4118 | 11500 | 0.0 | - |
| 29.5396 | 11550 | 0.0 | - |
| 29.6675 | 11600 | 0.0 | - |
| 29.7954 | 11650 | 0.0 | - |
| 29.9233 | 11700 | 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}
}
```