Hugging Face's logo

mini1013
/
master_cate_lh15

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_lh15 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
c541fbd verified
preview code
|
raw
history blame contribute delete
14.6 kB
---
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: 1+1 세트상품 푸쉬팝게임기 팝잇 푸시팝 뽁뽁이 게임기 스피드킹 토끼 곰돌이 우주인게임기_병아리게임기(5세대999레벨) 크앤비
- text: 굵은 모루 8mm 일반 장식줄 만들기재료 철사공예 아트 모루꽃 아트모루(10개입세트)_형광연두 아이디몬 주식회사
- text: 해리포터코스튬 풀세트 어린이 성인 남녀공용 졸사 이벤트 의상 추억 사진 후플푸프(7세트)_XXL 181-185cm 권장 here_
- text: 3D 토이나이프 야광 당근칼 틱톡 나이프 피젯 장난감 칼 미니검 3연발 다트권총(핑크) 또와토이
- text: 알꿀밤 소형 나노블럭 미니블록 5+1 YK앉은 분홍 고양이 243. CK꽃무늬 롱치마 해적 늘솔길에아람벌다
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: 0.9032178674706208
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:** 14 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 |
|:------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 5.0 | <ul><li>'(LMG 택티컬) BFE 파우치 OD 대신장비샵'</li><li>'퍼프디노 그린가스 블랙 파워가스 600ml 12kg 검펍디 리버티라이프(Liberty Life)'</li><li>'아카데미과학 전동권총 데저트이글 L6 비비탄권총 자동 에어소프트건 비비탄총 09. 한국군 K5 오마이컴퍼니'</li></ul> |
| 4.0 | <ul><li>'DJI 네오 / 납품 세금계산서 가능 주식회사 모즈인터내셔날'</li><li>'DJI Air 3 Fly More Combo (DJI RC-N2 포함) 게이트비젼(주)'</li><li>'DJI AIR 3S 에어 3S 플라이 모어 콤보 (RC2)납품 세금계산서가능 주식회사 모즈인터내셔날'</li></ul> |
| 10.0 | <ul><li>'해적안대 가죽 할로윈용품 파티 의상소품 장식 데코 홈피스트'</li><li>'특수분장 할로윈 더마왁스상처재료 가짜피 인조피100ml BMmall'</li><li>'해적안대 가죽 할로윈 용품 파티 의상소품 데이 에스지'</li></ul> |
| 3.0 | <ul><li>'디디샵 지우개 야광 당근 나이프 (주)라온러닝'</li><li>'반다이 정품 RG 가오가이거 선물의 목적'</li><li>'주사모형 정맥 주입 근육 훈련 팔 모델 간호사 혈액 손 모형 팔뚝 정맥 천자 재킷 싹슬'</li></ul> |
| 12.0 | <ul><li>'소량 포스터 출력 인쇄 / 4종류 종이 / A3(420 297) 단면 아트지90g A3(420×297)_양면_스노우지 250g 킹콩카피'</li><li>'6090포스터 모음 W-3. 지구지도 포스터 한글 - 블루2 주식회사 제로퍼제로'</li><li>'천 포스터 가리개 장식 행잉 크리스마스 벽 트리 패브릭 인테리어 소품 5. 전나무 130X150 성공한 스토어'</li></ul> |
| 2.0 | <ul><li>'비즈아이 [4925-13]글라스통과형 도트트리 15x16mm,1개 투명 비즈아이'</li><li>'스쿠비두 룰라끈 매듭 공예 키링 스쿠비드 1m 낱줄 운동화끈-빨강 꾀조은'</li><li>'비즈아이 [4925-13]글라스통과형 도트트리 15x16mm,1개 그린 비즈아이'</li></ul> |
| 1.0 | <ul><li>'최고급 메탈 피젯 핑거 스피너 야광 무소음 연속 회전 1_01_오렌지 sf103 사찌몰'</li><li>'5초 준다 MinSellAmount 스마일배송'</li><li>'5초 준다 주식회사 보드엠'</li></ul> |
| 8.0 | <ul><li>'빈티지 도장 스탬프 헤드 카드 봉투 청첩장 선물 포장 18.1588971 14.1588966 써니타운몰15호점'</li><li>'킵탑 자동차 유아용 보조 카시트 방석 커버 보호매트 삼촌쇼핑몰'</li><li>'오렌지오피스 스카이보람 우표 수집 앨범 리필내지 전지 우표 5단 리필 오렌지 오피스'</li></ul> |
| 7.0 | <ul><li>'세븐틴 응원봉 SEVENTEEN OFFICIAL LIGHT STICK VER.3 (새제품) 조우코리아'</li><li>'IVE 아이브 응원봉 키링 오후세시반'</li><li>'아이브 얼빡샷 포카 포토카드 옵션선택 배디 키치홀리데이'</li></ul> |
| 11.0 | <ul><li>'직소퍼즐 주문제작 커플 여행 기념일 선물 사진 퍼즐액자 제작 A5-(80피스)_추가안함_세로 투미투'</li><li>'짱구는못말려 소풍 100피스 만화 캐릭터 직소퍼즐 [ 짱구는못말려 150 피스 ]_19.온천욕-150 예그린스페이스'</li><li>'짱구는못말려 소풍 100피스 만화 캐릭터 직소퍼즐 [ 짱구는못말려 150 피스 ]_03.디비전-150 예그린스페이스'</li></ul> |
| 0.0 | <ul><li>'봇치 더 락 록 굿즈 결속 밴드 아날로그 LP 바이닐 한정판 일본 직구 기본 다락방'</li><li>'2LP 게이트폴드 비닐 컷팅 32cm 10장 2LP 게이트폴드 비닐 컷팅 32cm 10장 포린(porin)'</li><li>'잭 브라이언 The Great American Bar Scene 바이닐 LP 앨범 음반 엘라커넥티드'</li></ul> |
| 13.0 | <ul><li>'전문가 동전 수집 코인 케이스 보관 종이 홀더 50장 코인홀더 종이홀더 수집홀더 37mm 더비씨디'</li><li>'개업 연말 이벤트 답례 축하 선물 행운의 2달러 포함 액자 행운의2달러 액자 주식회사 투마이니'</li><li>'비트코인 기념주화 모형 장식 3종 골드 에스에이치에너지'</li></ul> |
| 6.0 | <ul><li>'유니콘 입체 그림 인테리어 소품 액자 유니콘 그림 1번지 스토어'</li><li>'서예용품 단아미 고급서예붓18mm 화방 화방용 화선지 글로벌케이마켓'</li><li>'16절고무판(20입)문구 교재류 준비물 판화교재 남생몰'</li></ul> |
| 9.0 | <ul><li>'파니니 NBA카드 탑클래스 KBL 농구카드 1박스 르브론제임스 스테판커리 이정현 허웅 허훈 월드스포츠카드서울신도림점'</li><li>'원피스 루피 조로 캐릭터 굿즈 트럼프카드 유캔매직샵'</li><li>'고전키티 과일키티 스트랩 오타쿠 다락방'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.9032 |
## 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_lh15")
# Run inference
preds = model("3D 토이나이프 야광 당근칼 틱톡 나이프 피젯 장난감 칼 미니검 3연발 다트권총(핑크) 또와토이")
```
<!--
### 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 | 10.9546 | 25 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 50 |
| 1.0 | 50 |
| 2.0 | 50 |
| 3.0 | 50 |
| 4.0 | 48 |
| 5.0 | 50 |
| 6.0 | 38 |
| 7.0 | 50 |
| 8.0 | 50 |
| 9.0 | 25 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 50 |
| 13.0 | 50 |
### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0096 | 1 | 0.4054 | - |
| 0.4808 | 50 | 0.3432 | - |
| 0.9615 | 100 | 0.2163 | - |
| 1.4423 | 150 | 0.0533 | - |
| 1.9231 | 200 | 0.0368 | - |
| 2.4038 | 250 | 0.0235 | - |
| 2.8846 | 300 | 0.0308 | - |
| 3.3654 | 350 | 0.0158 | - |
| 3.8462 | 400 | 0.0122 | - |
| 4.3269 | 450 | 0.0117 | - |
| 4.8077 | 500 | 0.0041 | - |
| 5.2885 | 550 | 0.004 | - |
| 5.7692 | 600 | 0.006 | - |
| 6.25 | 650 | 0.0096 | - |
| 6.7308 | 700 | 0.004 | - |
| 7.2115 | 750 | 0.0002 | - |
| 7.6923 | 800 | 0.0002 | - |
| 8.1731 | 850 | 0.0001 | - |
| 8.6538 | 900 | 0.0001 | - |
| 9.1346 | 950 | 0.0001 | - |
| 9.6154 | 1000 | 0.0001 | - |
| 10.0962 | 1050 | 0.0001 | - |
| 10.5769 | 1100 | 0.0001 | - |
| 11.0577 | 1150 | 0.0001 | - |
| 11.5385 | 1200 | 0.0 | - |
| 12.0192 | 1250 | 0.0001 | - |
| 12.5 | 1300 | 0.0001 | - |
| 12.9808 | 1350 | 0.0001 | - |
| 13.4615 | 1400 | 0.0001 | - |
| 13.9423 | 1450 | 0.0 | - |
| 14.4231 | 1500 | 0.0 | - |
| 14.9038 | 1550 | 0.0 | - |
| 15.3846 | 1600 | 0.0 | - |
| 15.8654 | 1650 | 0.0 | - |
| 16.3462 | 1700 | 0.0001 | - |
| 16.8269 | 1750 | 0.0 | - |
| 17.3077 | 1800 | 0.0 | - |
| 17.7885 | 1850 | 0.0 | - |
| 18.2692 | 1900 | 0.0 | - |
| 18.75 | 1950 | 0.0 | - |
| 19.2308 | 2000 | 0.0 | - |
| 19.7115 | 2050 | 0.0001 | - |
### 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.*
-->