File size: 10,851 Bytes

368000a

---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 신일 SVC-D500SR 무선청소기 싸이클론 유선형 이동식 본체 디자인 그린 워너비템
- text: '[더트데빌 퀵플립플러스] 16V 리튬 무선 핸디청소기 (113년 전통/차량용/가정용/사무실/책상용/원룸/오피스텔)  (주)비즈온플레이스'
- text: 신일전자 핸디형 무선 청소기 SVC-C27KP 차량용 가정용 소형청소기 원룸  새봄전자
- text: 더트데빌 플립아웃 20V 리튬 무선 핸디청소기  (주)비즈온플레이스
- text: 홈마블 진공 무선 핸디 미니 소형 스틱 청소기 화이트  씨엠케이(CMK)
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: metric
      value: 0.8571428571428571
      name: Metric
---

# 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:** 10 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                                                                                                                                                                                                                    |
|:------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 2     | <ul><li>'셰퍼 스왈로우 핸디 청소기 JSK-N3009  주식회사 알앤피코스메틱'</li><li>'마이아 듀얼프로 에어건 무선 청소기 ND-MYA001W  박진희'</li><li>'신일 싸이클론 무선 청소기 SVC-D500SR 헤파필터 회전브러쉬  제이씨유통'</li></ul>                                                              |
| 1     | <ul><li>'LG전자 코드제로 R5 로봇청소기 R585WKA1 (카밍 베이지)  엠제이테크'</li><li>'LG 코드제로 R5 R585WKA 로봇청소기 흡입 + 물걸레 / KN  (주)케이엔디지털'</li></ul>                                                                                                 |
| 8     | <ul><li>'(전용) 한경희 무선청소기 HCV-B400 PRO 전용 클린타워 모터 보호 헤파필터  '</li><li>'삼성 정품 VS20B957F5E 청소기 헤드 흡입구 브러쉬 슬림 sava03291  H에이치마켓'</li><li>'[별제이]일렉트로룩스 청소기 호환용 먼지봉투 10매 S-BAG ZUS4065AF 호환용 먼지봉투 10매 신세계몰'</li></ul>               |
| 5     | <ul><li>'디월트 20V 충전 스틱 전동 무선 청소기 차량용 세차용 집진기 DCV501LN  주식회사 신한비앤아이'</li><li>'디월트 집진기 충전 청소기 무선 세차기 차량용 스틱 업소용청소기 DCV501LN 본체만  라이프 공구'</li><li>'디월트 20V MAX 충전 스틱 집진 청소기 DCV501LN 01.DCV501LN 충전청소기 베어툴 한경툴 주식회사'</li></ul> |
| 9     | <ul><li>'[신제품] 70도 열풍 진드기 제거 침구청소기 레이캅 코리아  '</li><li>'[신제품] 70도 열풍 진드기 제거 침구청소기 레이캅 코리아  '</li><li>'비쎌 스팟클린 하이드로 스팀 3791S 습식 스팀청소기 빈대퇴치 고온 살균 소파얼룩제거 BISSEL  '</li></ul>                                                   |
| 7     | <ul><li>'[런칭기념 보관가방 ] 클링봇S 물분사 가성비 창문청소로봇 유리창 창문 베란다 로봇청소기  '</li><li>'에코백스 윈봇 W1S 창문 로봇청소기  에코백스공식스토어'</li><li>'클링봇S 물분사 창문로봇청소기 원조 창문 청소기 보관가방포함  아이뮤즈본사'</li></ul>                                                       |
| 0     | <ul><li>'AVA 프리미엄 고압세척기 휴대용 가정용 고압세차기 AVA GO P55  동양테크툴'</li><li>'AVA 프리미엄 고압세척기 휴대용 가정용 고압세차기 아바 GO P55  에이지에스'</li></ul>                                                                                                  |
| 6     | <ul><li>'신일 유선 싸이클론 진공청소기 SVC-R700LOT 레드 + 블랙_SVC-R700LOT 스위트코코'</li><li>'신일전자 유선 싸이클론 진공청소기 강력한흡입 HEPA필터 700W SVC-R700LOT  신창전자'</li><li>'이스타 먼지제로 유선 진공 청소기 핸디스틱 소형 원룸 가정용 ESK-WV400  주식회사 제이에스엘홀딩스'</li></ul>            |
| 4     | <ul><li>'한경희 2in1 스팀청소기 HTE-S600 핸디스팀 LTE-S600 (주)에디샵'</li><li>'[2024년 최신형] 리빈치 초고속 예열 고온 살균 스팀청소기 LSC-200 리빈치 스팀청소기  + 추가패드 증정 총 4장 (주)바투네트워크'</li></ul>                                                                   |
| 3     | <ul><li>'KAC-5000(유선형)/오토비스/자동물걸레청소기/국산정품/친환경제품/소비전력30W/1분당1000회이상/강력한함/ 1_화이트 클린랜드'</li><li>'WC-1500 무선 충전 물걸레 청소기 각도조절 세척 탈수통 제공 MinSellAmount 지큐아이씨앤씨'</li><li>'코맘스 소형 무선 물걸레청소기 그레이 PC9005G  보만코리아'</li></ul>           |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.8571 |

## 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_el19")
# Run inference
preds = model("더트데빌 플립아웃 20V 리튬 무선 핸디청소기  (주)비즈온플레이스")
```

<!--
### 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   | 3   | 10.2791 | 18  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0     | 2                     |
| 1     | 2                     |
| 2     | 50                    |
| 3     | 5                     |
| 4     | 2                     |
| 5     | 6                     |
| 6     | 14                    |
| 7     | 9                     |
| 8     | 26                    |
| 9     | 13                    |

### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 40
- body_learning_rate: (2e-05, 2e-05)
- head_learning_rate: 2e-05
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False

### Training Results
| Epoch   | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0476  | 1    | 0.4954        | -               |
| 2.3810  | 50   | 0.0399        | -               |
| 4.7619  | 100  | 0.0186        | -               |
| 7.1429  | 150  | 0.0152        | -               |
| 9.5238  | 200  | 0.0155        | -               |
| 11.9048 | 250  | 0.0093        | -               |
| 14.2857 | 300  | 0.0025        | -               |
| 16.6667 | 350  | 0.0006        | -               |
| 19.0476 | 400  | 0.0037        | -               |

### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.46.1
- PyTorch: 2.4.0+cu121
- Datasets: 2.20.0
- Tokenizers: 0.20.0

## 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.*
-->