---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 하이라이크 유모차장갑 핸드머프 방한장갑 블랙체스 출산/육아 > 유모차 > 유모차용품 > 기타유모차용품
- text: 대통 K-Express 대문 출입문 게이트 스텐 펜스 접이식 정문 자바라 절연 텔레스코픽 튜브 울타리 전기 안전 건설 이동식 난간 유치원
    격리 AB.플라스틱 0.96 높이X2.5 긴 빨간색 출산/육아 > 유모차 > 유모차용품 > 유모차보호대/안전바
- text: HABBY 휴대용/절충형/디럭스 유모차 누빔 방한커버 방풍커버 04.하삐 휴대용 방한커버 출산/육아 > 유모차 > 유모차용품 > 유모차커버
- text: 올겟쇼핑 나이스 유모차 컵홀더 스마트폰거치대  출산/육아 > 유모차 > 유모차용품 > 유모차홀더
- text: NEW 오이스터3 플러스 유모차 클래식 에디션 브라운 샌드 베이지 디럭스 절충형 8종선물 오이스터3 플러스 에디션_플러스 샴페인샌드(8종선물)
    출산/육아 > 유모차 > 절충형/디럭스형
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:** 5 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                                                                                                                                                                                                                                                                                                                   |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 4.0   | <ul><li>'스토케 베이비젠 요요2 프리미엄 휴대용 유모차 화이트_올리브 출산/육아 > 유모차 > 초경량/휴대용'</li><li>'이지폴드3 하이브리드 초경량 오토폴딩 휴대용 유모차 - 아미그린 크림베이지 출산/육아 > 유모차 > 초경량/휴대용'</li><li>'르클레르 인플루언서 에디션 휴대용 유모차 - 샌드쇼콜라 [선물6종] 제트블랙 출산/육아 > 유모차 > 초경량/휴대용'</li></ul>                                                                                           |
| 2.0   | <ul><li>'유아목베개 유모차베개 카시트 목쿠션 01_딸기옐로우 매쉬목베개 출산/육아 > 유모차 > 유모차용품 > 유모차목쿠션/블랭킷'</li><li>'돗투돗 소프트 유모차 라이너 유모차 시트 신생아 시트 100수소프트라이너_베이지덕 출산/육아 > 유모차 > 유모차용품 > 유모차시트'</li><li>'아기 방수 겨울용 유모차 침낭 따뜻한 발싸개 범용 풋커버 풋머프 슬립 색 봉투 15=6-36mGray 출산/육아 > 유모차 > 유모차용품 > 유모차시트'</li></ul>                                                 |
| 3.0   | <ul><li>'[디럭스]부가부 폭스5 그래파이트 섀시/미드나이트 블랙 시트패브릭_100052034 포레스트 그린 출산/육아 > 유모차 > 절충형/디럭스형'</li><li>'마마스앤파파스 절충형 유모차 스트라다 - 그레이 아이비_컵홀더/모기장/레인커버/맘노코방풍커버 출산/육아 > 유모차 > 절충형/디럭스형'</li><li>'[판매] 싸이벡스 프리암 맨하탄그레이 디럭스 유모차 비동의_프리암 맨하탄그레이 출산/육아 > 유모차 > 절충형/디럭스형'</li></ul>                                                        |
| 0.0   | <ul><li>'스토케 베이비젠 요요2 프리미엄 휴대용 유모차(커넥트 포함) 쌍둥이 유모차 블랙_에어프랑스 블루_타프 출산/육아 > 유모차 > 쌍둥이용'</li><li>'형제유모차 쌍둥이유모차 더블시트 디럭스형 폴딩 색상 유형 및 구성13 출산/육아 > 유모차 > 쌍둥이용'</li><li>'트윈유모차 2인용 휴대용유모카 디럭스형 트라이크 디자인E 출산/육아 > 유모차 > 쌍둥이용'</li></ul>                                                                                           |
| 1.0   | <ul><li>'원클릭으로 앉거나 누울 수 있는 유모차, 초경량 충격흡수 접이식 간편 신생아 유모차 12 주력 모델  기질 파란색  원클릭으로 차 출산/육아 > 유모차 > 유모차/카시트세트'</li><li>'어린이카시트 쥬니어카시트 유아용 휴대용 간단한 잠금 해제 도구 자동차 좌석 키 장치, 안 03 C 출산/육아 > 유모차 > 유모차/카시트세트'</li><li>'유모차 유물, 경량 접이식 어린이 유모차, 양방향 유모차, 아기 산책 시 원클릭 접이식 15 카라멜 컬러 자동차  매트시트  수납백팩 출산/육아 > 유모차 > 유모차/카시트세트'</li></ul> |

## 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_bc16")
# Run inference
preds = model("올겟쇼핑 나이스 유모차 컵홀더 스마트폰거치대  출산/육아 > 유모차 > 유모차용품 > 유모차홀더")
```

<!--
### 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   | 7   | 16.2771 | 32  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 70                    |
| 1.0   | 70                    |
| 2.0   | 70                    |
| 3.0   | 70                    |
| 4.0   | 70                    |

### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0145  | 1    | 0.4827        | -               |
| 0.7246  | 50   | 0.4996        | -               |
| 1.4493  | 100  | 0.4912        | -               |
| 2.1739  | 150  | 0.2633        | -               |
| 2.8986  | 200  | 0.0252        | -               |
| 3.6232  | 250  | 0.0001        | -               |
| 4.3478  | 300  | 0.0           | -               |
| 5.0725  | 350  | 0.0           | -               |
| 5.7971  | 400  | 0.0           | -               |
| 6.5217  | 450  | 0.0           | -               |
| 7.2464  | 500  | 0.0           | -               |
| 7.9710  | 550  | 0.0           | -               |
| 8.6957  | 600  | 0.0           | -               |
| 9.4203  | 650  | 0.0           | -               |
| 10.1449 | 700  | 0.0           | -               |
| 10.8696 | 750  | 0.0           | -               |
| 11.5942 | 800  | 0.0           | -               |
| 12.3188 | 850  | 0.0           | -               |
| 13.0435 | 900  | 0.0           | -               |
| 13.7681 | 950  | 0.0           | -               |
| 14.4928 | 1000 | 0.0           | -               |
| 15.2174 | 1050 | 0.0           | -               |
| 15.9420 | 1100 | 0.0           | -               |
| 16.6667 | 1150 | 0.0           | -               |
| 17.3913 | 1200 | 0.0           | -               |
| 18.1159 | 1250 | 0.0           | -               |
| 18.8406 | 1300 | 0.0           | -               |
| 19.5652 | 1350 | 0.0           | -               |
| 20.2899 | 1400 | 0.0           | -               |
| 21.0145 | 1450 | 0.0           | -               |
| 21.7391 | 1500 | 0.0           | -               |
| 22.4638 | 1550 | 0.0           | -               |
| 23.1884 | 1600 | 0.0           | -               |
| 23.9130 | 1650 | 0.0           | -               |
| 24.6377 | 1700 | 0.0           | -               |
| 25.3623 | 1750 | 0.0           | -               |
| 26.0870 | 1800 | 0.0           | -               |
| 26.8116 | 1850 | 0.0           | -               |
| 27.5362 | 1900 | 0.0           | -               |
| 28.2609 | 1950 | 0.0           | -               |
| 28.9855 | 2000 | 0.0           | -               |
| 29.7101 | 2050 | 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}
}
```

<!--
## 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.*
-->