---
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: 1.0
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:** 14 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 |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 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:
```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_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
```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}
}
```