Hugging Face's logo

mini1013
/
master_cate_sl28

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_sl28 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
62f5953 verified
preview code
|
raw
history blame contribute delete
17.9 kB
metadata
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 캠핑 데크팩 타프팩 고정핀 단조 스토퍼 텐트비너 고강도 오토캠핑용품 백패킹 스포츠/레저>캠핑>텐트/타프용품>기타텐트/타프용품
  - text: 빅토리캠프 BLAZE 블레이즈 펠렛연소기 캠핑용 화목난로 펠렛난로 차박 야외용 스포츠/레저>캠핑>기타캠핑용품
  - text: 프리모리 세움 스탠다드 슬라이드 폴대 사이드 타프 가변 높이 조절 단품 캠핑 피크닉 스포츠/레저>캠핑>텐트/타프용품>폴대
  - text: 익시드 디자인 TIRANT RAZOR V3 티타늄 만능칼 EDC 포켓 나이프 스포츠/레저>캠핑>취사용품>다용도칼
  - text: 애몰라이트 후레쉬 AM1 표준슬립 손전등 스포츠/레저>캠핑>랜턴>손전등
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
            name: Accuracy

SetFit with mini1013/master_domain

This is a SetFit model that can be used for Text Classification. This SetFit model uses mini1013/master_domain as the Sentence Transformer embedding model. A LogisticRegression 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 with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Model Labels

Label Examples
7.0
  • '해먹 감성 침대 그네 캠핑 가정용 야외 세트 그물 휴대용 헤먹 차박 비박 스포츠/레저>캠핑>캠핑가구>해먹'
  • '그물침대 레인보우 캠핑 감성 휴대용 대형 해먹 스포츠/레저>캠핑>캠핑가구>해먹'
  • '야전침대 스웨이드 토퍼 간이 침대커버 매트 스포츠/레저>캠핑>캠핑가구>야전침대'
1.0
  • '식스비 감성 LED C타입 충전식 조명 캠핑랜턴 스포츠/레저>캠핑>랜턴>실내등'
  • '원터치 캠핑용 휴대고리 LED 손전등 등산 랜턴 서치라이트 스포츠/레저>캠핑>랜턴>손전등'
  • '초슬림 디자인 휴대용후레쉬 9 캠핑후레쉬 소형후레쉬 등산후레쉬 초소형후레쉬 스포츠/레저>캠핑>랜턴>손전등'
6.0
  • '제로그램 모나크250 침낭 스포츠/레저>캠핑>침낭'
  • '웜피스 바이킹 900-195CM 침낭 스포츠/레저>캠핑>침낭'
  • '다나산업 다나 골드익스페디션-M 침낭 스포츠/레저>캠핑>침낭'
12.0
  • '기프템 캠핑 경량 알류미늄 팩 망치 파운딩 해머 백패킹 힙오렌지 컬러 캠핑장의 힙스터 스포츠/레저>캠핑>텐트/타프용품>기타텐트/타프용품'
  • '아캄파 일자3구스토퍼 4P 스포츠/레저>캠핑>텐트/타프용품>기타텐트/타프용품'
  • '코베아 고스트 플러스 전용 PVC 그라운드시트 방수포 스포츠/레저>캠핑>텐트/타프용품>방수포/그라운드시트'
5.0
  • '제리캔 스틸 철제 캠핑통 기름통 휘발유 스포츠/레저>캠핑>취사용품>기타취사용품'
  • '워터백 폴딩 버킷12L 스포츠/레저>캠핑>취사용품>설거지용품'
  • '네이처하이크 캠핑 접이식 설거지통 20L 멀티 방수 다용도 원형 바스켓 스포츠/레저>캠핑>취사용품>설거지용품'
0.0
  • '야외 캠핑 가스 스토브 휴대용 프로판 히터 전자 점화 장치 핸드 워머 화구 텐트 스포츠/레저>캠핑>기타캠핑용품'
  • '캠핑 팩백 팩파우치 휴대용 도구가방 툴백 스포츠/레저>캠핑>기타캠핑용품'
  • '등산 캠핑 비상용 파라코드 생존팔찌 조난생존팔찌 스포츠/레저>캠핑>기타캠핑용품'
10.0
  • '캠핑클럽 사이드월 타프 420 스포츠/레저>캠핑>타프'
  • '쾌청 립스탑 렉타 타프 2 x 2m 스포츠/레저>캠핑>타프'
  • '네이처하이크 NH 4M 렉타 타프 스포츠/레저>캠핑>타프'
8.0
  • '호토 에어 매트리스 QWOGJ003 스포츠/레저>캠핑>캠핑매트'
  • '토토비즈 힐링 에스닉 캠핑매트 TM-H017 스포츠/레저>캠핑>캠핑매트'
  • '어반카모 팽창식 침대 캠핑매트 40cm 싱글 스포츠/레저>캠핑>캠핑매트'
11.0
  • '하이브로우 블랙테일 3 텐트 스포츠/레저>캠핑>텐트>2-3인용'
  • '코베아 몬스터 터널형 텐트 KECO9TO 4인용 스포츠/레저>캠핑>텐트>3-4인용'
  • '노스피크 스타쉽 텐트 4인용 스포츠/레저>캠핑>텐트>3-4인용'
13.0
  • '다이팩토리 파워뱅크 DF 230A 스포츠/레저>캠핑>파워뱅크'
  • '에코플로우 리버 맥스 플러스 파워뱅크 60Ah 스포츠/레저>캠핑>파워뱅크'
  • '잭커리 휴대용 파워뱅크 L 사이즈 수납가방 ro ro 전용 1500P 2000P 스포츠/레저>캠핑>파워뱅크'
2.0
  • '카즈미 소프트 쿨러 스카디 25L 보냉백 보냉가방 아이스박스 스포츠/레저>캠핑>아이스박스'
  • '피크닉가방 쿨러백 캠핑 보온보냉 대용량 25L 보냉백 스포츠/레저>캠핑>아이스박스'
  • '세븐플로어 POLARIS 폴라리스 C1 빙점하팩 아이스팩 영하 캠핑 휴대용 쿨러 얼음 냉동 스포츠/레저>캠핑>아이스박스'
9.0
  • '헤비 듀티 대용량 접이식 왜건 쇼핑 비치 가든 풀 트롤리 야외 휴대용 유틸리티 카트 스포츠/레저>캠핑>캠핑왜건'
  • '캠파오 캠핑웨건 접이식 카트 뒷문개방 왜건 스포츠/레저>캠핑>캠핑왜건'
  • '캠핑용 수레 경량 접이식 폴딩 웨건카트 스포츠/레저>캠핑>캠핑왜건'
4.0
  • '프리폼 캐노피 천막 2x2m 스포츠/레저>캠핑>천막'
  • '런웨이브 천막캐노피용 일반 바람막이 4면세트 3mX2m 스포츠/레저>캠핑>천막'
  • '리브포어스 접이식 캐노피 천막 벨크로 타입 투명벽면 풀세트 2m x 2m 스포츠/레저>캠핑>천막'
3.0
  • '캠피어 워터저그 10L 스포츠/레저>캠핑>워터저그'
  • '코베아 하드 워터탱크 15L 스포츠/레저>캠핑>워터저그'
  • '스탠리 워터저그 수도꼭지 + 스텐인리스판 스포츠/레저>캠핑>워터저그'

Evaluation

Metrics

Label Accuracy
all 1.0

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_sl28")
# Run inference
preds = model("애몰라이트 후레쉬 AM1 표준슬립 손전등 스포츠/레저>캠핑>랜턴>손전등")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 7.8108 22
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 25
4.0 30
5.0 70
6.0 70
7.0 70
8.0 70
9.0 70
10.0 70
11.0 70
12.0 70
13.0 26

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
0.0060 1 0.5164 -
0.2994 50 0.4984 -
0.5988 100 0.4882 -
0.8982 150 0.1544 -
1.1976 200 0.0264 -
1.4970 250 0.0089 -
1.7964 300 0.0027 -
2.0958 350 0.0003 -
2.3952 400 0.0002 -
2.6946 450 0.0001 -
2.9940 500 0.0001 -
3.2934 550 0.0001 -
3.5928 600 0.0001 -
3.8922 650 0.0001 -
4.1916 700 0.0001 -
4.4910 750 0.0 -
4.7904 800 0.0 -
5.0898 850 0.0 -
5.3892 900 0.0 -
5.6886 950 0.0 -
5.9880 1000 0.0 -
6.2874 1050 0.0 -
6.5868 1100 0.0 -
6.8862 1150 0.0 -
7.1856 1200 0.0 -
7.4850 1250 0.0 -
7.7844 1300 0.0 -
8.0838 1350 0.0 -
8.3832 1400 0.0 -
8.6826 1450 0.0 -
8.9820 1500 0.0 -
9.2814 1550 0.0 -
9.5808 1600 0.0 -
9.8802 1650 0.0 -
10.1796 1700 0.0 -
10.4790 1750 0.0 -
10.7784 1800 0.0 -
11.0778 1850 0.0 -
11.3772 1900 0.0 -
11.6766 1950 0.0 -
11.9760 2000 0.0 -
12.2754 2050 0.0 -
12.5749 2100 0.0 -
12.8743 2150 0.0 -
13.1737 2200 0.0 -
13.4731 2250 0.0 -
13.7725 2300 0.0 -
14.0719 2350 0.0 -
14.3713 2400 0.0 -
14.6707 2450 0.0 -
14.9701 2500 0.0 -
15.2695 2550 0.0 -
15.5689 2600 0.0 -
15.8683 2650 0.0 -
16.1677 2700 0.0 -
16.4671 2750 0.0 -
16.7665 2800 0.0 -
17.0659 2850 0.0 -
17.3653 2900 0.0 -
17.6647 2950 0.0 -
17.9641 3000 0.0 -
18.2635 3050 0.0 -
18.5629 3100 0.0 -
18.8623 3150 0.0 -
19.1617 3200 0.0 -
19.4611 3250 0.0 -
19.7605 3300 0.0 -
20.0599 3350 0.0 -
20.3593 3400 0.0 -
20.6587 3450 0.0 -
20.9581 3500 0.0 -
21.2575 3550 0.0 -
21.5569 3600 0.0 -
21.8563 3650 0.0 -
22.1557 3700 0.0 -
22.4551 3750 0.0 -
22.7545 3800 0.0 -
23.0539 3850 0.0 -
23.3533 3900 0.0 -
23.6527 3950 0.0 -
23.9521 4000 0.0 -
24.2515 4050 0.0 -
24.5509 4100 0.0 -
24.8503 4150 0.0 -
25.1497 4200 0.0 -
25.4491 4250 0.0 -
25.7485 4300 0.0 -
26.0479 4350 0.0 -
26.3473 4400 0.0 -
26.6467 4450 0.0 -
26.9461 4500 0.0 -
27.2455 4550 0.0 -
27.5449 4600 0.0 -
27.8443 4650 0.0 -
28.1437 4700 0.0 -
28.4431 4750 0.0 -
28.7425 4800 0.0 -
29.0419 4850 0.0 -
29.3413 4900 0.0 -
29.6407 4950 0.0 -
29.9401 5000 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 

@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}
}