---
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: 마사지 복 경락 잠옷 피부샵 세트 호텔 아로마 스파 HFG 그레이 남성_XXL 민물유통
- text: 바스템 리워터 히든커버 필터 샤워기 리워터 히든커버 교체필터 4개입 바스템
- text: 어메니티타올 환갑 칠순 팔순 구순 회갑 고희 답례품 40수 무형광 주방 고리수건 자수 화이트_동백 어메니티타올
- text: '[추가 5%할인] 바디럽 비타필터 2개 (녹물염소제거/보습효과/샤워기필터/비타민필터/비타샤워기) [NEW] 민티시트러스 NEW  우디오렌지_NEW  퓨어소피
    메가글로벌002'
- text: 깔끔디자인 욕실수건걸이 6 pcs 세트 가정용 워시 브러쉬 컵 액체 블랙수건걸이 컵세트 빨간 리마108
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: 0.6881059449647262
      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:** 12 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                                                                                                                                                                                                                                                                     |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 10.0  | <ul><li>'홈사우나 전신 스팀 건식 훈증 노폐물배출 2인용 풀세트핑크 다이버릿'</li><li>'KBT201S 만성피로 회복 혈액순환 촉진 편백 고급형 건식 반신욕기 미편백 편백 고급형 명성유통상사'</li><li>'미편백 KBT201S 만성피로 회복 혈액순환 촉진 편백 고급형 건식 반신욕기 원목 고급형 제일유통상사'</li></ul>                                                                              |
| 8.0   | <ul><li>'거울 욕실 수납장 캐비닛 스마트 화장실 선반 방수 저장 벽걸이 115 A형 문라이트 화이트 70CM 일반 거울 마켓에스'</li><li>'1P 매직 걸이 후크 투명 접착식 무타공 액자 선반  열두번째모닝'</li><li>'참생활 스텐 기둥식 코너선반 욕조형 3단 욕실선반 화장실선반 스텐 기둥식 일자선반_욕조형 600 3단 형진산업'</li></ul>                                                                |
| 1.0   | <ul><li>'비데 휴대용 아기 비대 여행용 환자용 휴대용비데 워시케어 메리머치(Merry Merch)'</li><li>'쿠쿠 인스퓨어 CBT-G1032MW 자가설치 MinSellAmount 꿀디'</li><li>'노비타 슈퍼슬림비데 BD-H350 (탈취/건조/자동노즐세척) 설치의뢰(현장2만원지급) NS몰'</li></ul>                                                                                      |
| 6.0   | <ul><li>'[11월기획]튜브스퀴저 스탠드형 돌돌이 치약짜개 디스펜서_9850CkY_다판다차차 기획  탄산뱅크'</li><li>'마비스 디스펜서 (스퀴저)  (주)시담'</li><li>'규조토 트레이 S(11.5x7.5cm)_오프화이트 주식회사 이클레틱'</li></ul>                                                                                                                   |
| 5.0   | <ul><li>'단차해소기 높이맞춤 현관 경사판 방문턱 발판 패드 CA 피터스토어'</li><li>'나무발판 원목 현관 욕실 발판 원목_100 x 30 우드플러스'</li><li>'심플 발판 욕 실 다용도 풋페달 발 받침대 거치대 KK705 다리불편 디딤대 욕실 발 세척 가드 홉포엘'</li></ul>                                                                                                    |
| 9.0   | <ul><li>'3M 슬림 베이킹소다 크린스틱 시트타입 디스펜서팩(30매 포함) + 60매 / 욕실청소 화장실청소 스카치브라이트 1. 디스펜서팩(30매 포함) + 리필 60매 1. 디스펜서팩(30매 포함) + 리필 60매 메가글로벌002'</li><li>'플루브 화장실 줄눈시공 코팅제 셀프 리모델링 변기테두리용_화이트진주펄_45g 플루브엔트'</li><li>'co/(10M)막힌 배수구 시원하게 스프링 뚫어뻥 관통기통 스네이크 좋은상품  벤타마켓'</li></ul>        |
| 4.0   | <ul><li>'1+1 등원 핸드타올 거위 펭귄 타월 핵인싸템 귀염뽀짝 어린이집수건 01_1+1 등원 핸드타올 거위 펭귄 타월_거위 그레이+펭귄 핑크 주식회사 코윈커머스'</li><li>'태슬원피스 주방타올 (옷걸이포함) 차콜 코지로그'</li><li>'바캉스 Best 특대형 비치타올 블루라군 180cm x 100cm  케이투나인'</li></ul>                                                                         |
| 0.0   | <ul><li>'질레트 비너스 엑스트라 스무스 면도날 4입 비너스 엑스트라 스무스 면도날 4입 G107  신세계몰'</li><li>'[추석맞이 15%] 도루코 페이스5스타일 면도날 세트 (12입) / 5중날/호환가능 베이직 스타터킷 면도세트 샵피온'</li><li>'[쉬크] 이그젝타2 센서티브 휴대용면도기 10개입  신세계몰'</li></ul>                                                                            |
| 7.0   | <ul><li>'손잡이 쌀 세척볼 (3color) 과일 야채 채반 바가지 바스켓 물빠짐 블랙 쭌쭌형제'</li><li>'바이칸 원형스쿠프 바가지 사료삽 스쿱 100도소독가능 01) 1L_파랑(56813) 유니365'</li><li>'닥터세닥 미니스 여행용 세트 여성용  리빙어센틱'</li></ul>                                                                                                      |
| 11.0  | <ul><li>'화이트 심플 모던 욕실 세면대 미니세면대 간이 하부장 다용도실 손빨래 28 70x48 바닥 흰색(도어 포함) - 냉 한빛테크(Hanbit Tech)'</li><li>'소변기 남자 화장실 세라믹 벽걸이 욕실 공원 양변기 야외 요강 F.와이어드로잉8309소변기+강화유리은폐센서 데이셀'</li><li>'화이트 심플 모던 욕실 세면대 미니세면대 간이 하부장 다용도실 손빨래 6 51x36 바닥 흰색(문 없음) - 온수 한빛테크(Hanbit Tech)'</li></ul> |
| 3.0   | <ul><li>'소변기감지기 자바TU100 자동 소변기 센서 세척밸브  조아스'</li><li>'싱크대배수구교체 싱크대배수통 배수구세트 JUS 대형 은항균_막힘너트(OF없음) HOMETOOL'</li><li>'듀벨 수도애 정수키트 리필 필터 10개 2 정수키트용 리필필터 20개 주식회사 듀벨'</li></ul>                                                                                               |
| 2.0   | <ul><li>'orb 오브 다용도 바구니 L/ 수납 정리 편리 목욕 장난감 피크닉 다용도 화이트 에이치샵'</li><li>'먼작귀 아크릴 캔디 스탠드-24EA  네쿠네쿠'</li><li>'친구결혼선물 로브가운 실크샤무즈 롱 남자/여자 나이트가운 로브_블랙100[XL] 매구맵시'</li></ul>                                                                                                       |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.6881 |

## 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_lh18")
# Run inference
preds = model("바스템 리워터 히든커버 필터 샤워기 리워터 히든커버 교체필터 4개입 바스템")
```

<!--
### 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   | 10.42  | 26  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 50                    |
| 1.0   | 50                    |
| 2.0   | 50                    |
| 3.0   | 50                    |
| 4.0   | 50                    |
| 5.0   | 50                    |
| 6.0   | 50                    |
| 7.0   | 50                    |
| 8.0   | 50                    |
| 9.0   | 50                    |
| 10.0  | 50                    |
| 11.0  | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0106  | 1    | 0.4109        | -               |
| 0.5319  | 50   | 0.305         | -               |
| 1.0638  | 100  | 0.2044        | -               |
| 1.5957  | 150  | 0.0728        | -               |
| 2.1277  | 200  | 0.0314        | -               |
| 2.6596  | 250  | 0.0054        | -               |
| 3.1915  | 300  | 0.0036        | -               |
| 3.7234  | 350  | 0.0103        | -               |
| 4.2553  | 400  | 0.0047        | -               |
| 4.7872  | 450  | 0.0002        | -               |
| 5.3191  | 500  | 0.0001        | -               |
| 5.8511  | 550  | 0.0001        | -               |
| 6.3830  | 600  | 0.0001        | -               |
| 6.9149  | 650  | 0.0001        | -               |
| 7.4468  | 700  | 0.0001        | -               |
| 7.9787  | 750  | 0.0001        | -               |
| 8.5106  | 800  | 0.0001        | -               |
| 9.0426  | 850  | 0.0           | -               |
| 9.5745  | 900  | 0.0001        | -               |
| 10.1064 | 950  | 0.0001        | -               |
| 10.6383 | 1000 | 0.0           | -               |
| 11.1702 | 1050 | 0.0           | -               |
| 11.7021 | 1100 | 0.0           | -               |
| 12.2340 | 1150 | 0.0           | -               |
| 12.7660 | 1200 | 0.0001        | -               |
| 13.2979 | 1250 | 0.0           | -               |
| 13.8298 | 1300 | 0.0           | -               |
| 14.3617 | 1350 | 0.0           | -               |
| 14.8936 | 1400 | 0.0001        | -               |
| 15.4255 | 1450 | 0.0           | -               |
| 15.9574 | 1500 | 0.0           | -               |
| 16.4894 | 1550 | 0.0           | -               |
| 17.0213 | 1600 | 0.0           | -               |
| 17.5532 | 1650 | 0.0           | -               |
| 18.0851 | 1700 | 0.0001        | -               |
| 18.6170 | 1750 | 0.0           | -               |
| 19.1489 | 1800 | 0.0           | -               |
| 19.6809 | 1850 | 0.0           | -               |

### 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.*
-->