---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: '[애플비셀프 포레스트] 아기 100일 200일 300일 400일 돌 셀프촬영 소품대여 11월30일발송(12월4일반송) 출산/육아 >
출산/돌기념품 > 셀프촬영 > 촬영소품'
- text: (자수O) 수건 칠순답례품 소규모 돌잔치 돌답례품 아이보리_30~39장_2.40수 코마사 160g 장타올 출산/육아 > 출산/돌기념품
> 돌잔치용품 > 답례품
- text: 범띠 쥐띠 소띠 12띠탯줄도장 DIY 아기탯줄도장 고체형가능 다-6.12띠 프리미엄 블랙펄_말띠 출산/육아 > 출산/돌기념품 > 탯줄도장
- text: 첫돌 답례품 스티커 무광사각(21개입)가로3.8x세로6.4cm_백일 출산/육아 > 출산/돌기념품 > 돌잔치용품 > 행사용스티커
- text: 무릎담요 2p + 꿀스틱 돌답례품 돌잔치 결혼 칠순 결혼식 답례품 3) 체스 담요 (+2000)_10~29개 구매시 선택 (+500)
출산/육아 > 출산/돌기념품 > 돌잔치용품 > 답례품
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:** 10 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 |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 9.0 | - '원목배냇함 탯줄보관함 배냇저고리함 출산선물 돌 백일 배냇함 큰사이즈(제작기간2주)_B 출산/육아 > 출산/돌기념품 > 탯줄보관함'
- '탯줄보관함/유치보관함/출산선물/배냇함/배냇저고리함 C 출산/육아 > 출산/돌기념품 > 탯줄보관함'
- '발도장 탯줄 보관 유리병 배냇머리 유치 임테기 보관함 선물 쥐띠 용띠 토끼띠 신생아 임테기용(3X16.5cm)_초음파사진(초음파&태명) 출산/육아 > 출산/돌기념품 > 탯줄보관함'
|
| 6.0 | - '발도장 신생아 아기 백일 돌 선물 무드등 주문제작 01 화이트_01 정사각 라운드형 (200x200)_04(ai 파일 전달) 출산/육아 > 출산/돌기념품 > 손발도장'
- '아기 발도장 손도장 스탬프 스탠드액자 탁상액자 프레임 신생아 강아지 백일 돌잔치 사각발도장스템프 출산/육아 > 출산/돌기념품 > 손발도장'
- '[주문제작] 신생아 아기 탄생 백일 손 발도장 액자 가렌더 캔버스 다양한 소재 인쇄만도 가능 fp005_액자(블랙)_소(8x10inch) 출산/육아 > 출산/돌기념품 > 손발도장'
|
| 5.0 | - '[정글 탐험가] 백일 200일 300일 400일 500일 돌 두돌 아기 기념일 셀프 촬영 소품 및 의상 대여 카카오채널_L(상하타입 100)_미포함 출산/육아 > 출산/돌기념품 > 셀프촬영 > 촬영소품'
- '[블루밍] 아기셀프촬영 소품대여 100일 200일 300일 400일 500일 돌상 첫돌 900일_선택안함 출산/육아 > 출산/돌기념품 > 셀프촬영 > 촬영소품'
- '[대여][너의하루 키즈]복고컨셉 - 응답하라 유아 소품 셀프 촬영 대여 400일 500일 600일 11월30일출고(12월4일반납)_여아 땡땡이원피스 110 출산/육아 > 출산/돌기념품 > 셀프촬영 > 촬영의상'
|
| 2.0 | - '생활공작소 핸드워시/주방세제 + 수건답례품 돌잔치 결혼식 개업 돌답례품 핸드워시500ml-청포도향 (+1500)_5)이집트코튼180 (+700)_20/30개 구매시 선택 (+500) 출산/육아 > 출산/돌기념품 > 돌잔치용품 > 답례품'
- '화답 답례품 견과류 결혼 결혼식 돌 잔치 고소한프리미엄넛_500개 이상(-300원)_레드리프 출산/육아 > 출산/돌기념품 > 돌잔치용품 > 답례품'
- '꿀스틱 답례품 결혼식 돌잔치 직계가족 회사결혼 10g X 20포_연피치 출산/육아 > 출산/돌기념품 > 돌잔치용품 > 답례품'
|
| 8.0 | - '연말특별이벤트 민자흑단 세움 탯줄도장 엄마랑 아기랑 연결고리 diy아님 통고형몰드 한문고인체_기계인각 출산/육아 > 출산/돌기념품 > 탯줄도장'
- '열두달 탯줄도장 아기 인감 돌도장 셀프 DIY 자연석 확인_확인_k256 출산/육아 > 출산/돌기념품 > 탯줄도장'
- '[벨리보틀] 베이직 탄생석 혈액형 실리콘 탯줄도장 유치보관 임테기 배넷액자 미니유리병 투명코팅_기본(너와나의연결고리)_Big베이직1 출산/육아 > 출산/돌기념품 > 탯줄도장'
|
| 3.0 | - '(이거찜) 초음파 사진 여 진 성장 가족 앨범 블루 출산/육아 > 출산/돌기념품 > 성장앨범/액자'
- '커버 스티커8종 포함 초음파앨범 접착식 사진 아기성장앨범 포토북 신혼여행 90장 보관 베어 출산/육아 > 출산/돌기념품 > 성장앨범/액자'
- '드로잉토퍼 라인토퍼 아기기념일 커스텀토퍼_열둘라인 추가금 출산/육아 > 출산/돌기념품 > 성장앨범/액자'
|
| 1.0 | - '[텐바이텐]프랑스 보니숑 아기베개 짱구두상관리 유모차목배게 무형광-엔젤인우드(메쉬) 출산/육아 > 출산/돌기념품 > 기타출산/돌기념품'
- '[갤러리아] [메르베] 굿모닝 글로리 신생아 내의／아기실내복_여름용(7부) 70 출산/육아 > 출산/돌기념품 > 기타출산/돌기념품'
- '[젤리베어]동물그림 발도장액자 & 손도장 액자/돌잔치액자 토끼_A4_이미지만구입 출산/육아 > 출산/돌기념품 > 기타출산/돌기념품'
|
| 4.0 | - '[Indigo] 포토베이비북 ver2 출산/육아 > 출산/돌기념품 > 성장카드'
- '엄마카드 빨래끝 육아퇴근 육퇴 출산/육아 > 출산/돌기념품 > 성장카드'
- '단품 한글우드토퍼 성장카드 50일 백일 첫돌 셀프촬영 # 출산/육아 > 출산/돌기념품 > 성장카드'
|
| 0.0 | - '더몽드 토이랜드 츄러블 핑크 기저귀케이크 - 출산선물 돌선물 베이비샤워케이크 백일_기본 투명박스 출산/육아 > 출산/돌기념품 > 기저귀케이크'
- '더몽드 토이랜드 츄러블 핑크 기저귀케이크 - 출산선물 돌선물 베이비샤워케이크 백일_쇼핑백 출산/육아 > 출산/돌기념품 > 기저귀케이크'
- '하우트 러블리1(6~8패키지) 기저귀케이크 DIY 만들기 재료 세트 3종 엄마표 백일상 돌상 (기저귀 미포함) 8.러블리 스트라이프 실버_2.100th day_M(폭13cm) 60장 출산/육아 > 출산/돌기념품 > 기저귀케이크'
|
| 7.0 | - '[벨리보틀]유치보관 유리볼 키링 목걸이 유치보관함 오로라 퍼플_왁스끈목걸이 출산/육아 > 출산/돌기념품 > 유치보관함'
- '코지투스박스 유치보관함 치아 케이스 이빨 유치보관 통 양 핑크 출산/육아 > 출산/돌기념품 > 유치보관함'
- '유치보관함 유치 생일 강아지유치 탯줄 답례품 원목 치아 M1파스텔크리스털(아님)[바다고래블루 출산/육아 > 출산/돌기념품 > 유치보관함'
|
## 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_bc29")
# Run inference
preds = model("첫돌 답례품 스티커 무광사각(21개입)가로3.8x세로6.4cm_백일 출산/육아 > 출산/돌기념품 > 돌잔치용품 > 행사용스티커")
```
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:--------|:----|
| Word count | 7 | 15.0529 | 28 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 70 |
| 2.0 | 70 |
| 3.0 | 70 |
| 4.0 | 70 |
| 5.0 | 70 |
| 6.0 | 70 |
| 7.0 | 70 |
| 8.0 | 70 |
| 9.0 | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0073 | 1 | 0.4834 | - |
| 0.3650 | 50 | 0.4992 | - |
| 0.7299 | 100 | 0.3772 | - |
| 1.0949 | 150 | 0.1276 | - |
| 1.4599 | 200 | 0.0502 | - |
| 1.8248 | 250 | 0.0345 | - |
| 2.1898 | 300 | 0.022 | - |
| 2.5547 | 350 | 0.0146 | - |
| 2.9197 | 400 | 0.0029 | - |
| 3.2847 | 450 | 0.0002 | - |
| 3.6496 | 500 | 0.0001 | - |
| 4.0146 | 550 | 0.0001 | - |
| 4.3796 | 600 | 0.0001 | - |
| 4.7445 | 650 | 0.0001 | - |
| 5.1095 | 700 | 0.0001 | - |
| 5.4745 | 750 | 0.0001 | - |
| 5.8394 | 800 | 0.0 | - |
| 6.2044 | 850 | 0.0 | - |
| 6.5693 | 900 | 0.0 | - |
| 6.9343 | 950 | 0.0 | - |
| 7.2993 | 1000 | 0.0 | - |
| 7.6642 | 1050 | 0.0 | - |
| 8.0292 | 1100 | 0.0 | - |
| 8.3942 | 1150 | 0.0 | - |
| 8.7591 | 1200 | 0.0 | - |
| 9.1241 | 1250 | 0.0 | - |
| 9.4891 | 1300 | 0.0 | - |
| 9.8540 | 1350 | 0.0 | - |
| 10.2190 | 1400 | 0.0 | - |
| 10.5839 | 1450 | 0.0 | - |
| 10.9489 | 1500 | 0.0 | - |
| 11.3139 | 1550 | 0.0 | - |
| 11.6788 | 1600 | 0.0 | - |
| 12.0438 | 1650 | 0.0 | - |
| 12.4088 | 1700 | 0.0 | - |
| 12.7737 | 1750 | 0.0 | - |
| 13.1387 | 1800 | 0.0 | - |
| 13.5036 | 1850 | 0.0 | - |
| 13.8686 | 1900 | 0.0 | - |
| 14.2336 | 1950 | 0.0 | - |
| 14.5985 | 2000 | 0.0 | - |
| 14.9635 | 2050 | 0.0 | - |
| 15.3285 | 2100 | 0.0 | - |
| 15.6934 | 2150 | 0.0 | - |
| 16.0584 | 2200 | 0.0 | - |
| 16.4234 | 2250 | 0.0 | - |
| 16.7883 | 2300 | 0.0 | - |
| 17.1533 | 2350 | 0.0 | - |
| 17.5182 | 2400 | 0.0 | - |
| 17.8832 | 2450 | 0.0 | - |
| 18.2482 | 2500 | 0.0 | - |
| 18.6131 | 2550 | 0.0 | - |
| 18.9781 | 2600 | 0.0 | - |
| 19.3431 | 2650 | 0.0 | - |
| 19.7080 | 2700 | 0.0 | - |
| 20.0730 | 2750 | 0.0 | - |
| 20.4380 | 2800 | 0.0 | - |
| 20.8029 | 2850 | 0.0 | - |
| 21.1679 | 2900 | 0.0 | - |
| 21.5328 | 2950 | 0.0 | - |
| 21.8978 | 3000 | 0.0 | - |
| 22.2628 | 3050 | 0.0 | - |
| 22.6277 | 3100 | 0.0 | - |
| 22.9927 | 3150 | 0.0 | - |
| 23.3577 | 3200 | 0.0 | - |
| 23.7226 | 3250 | 0.0 | - |
| 24.0876 | 3300 | 0.0 | - |
| 24.4526 | 3350 | 0.0 | - |
| 24.8175 | 3400 | 0.0 | - |
| 25.1825 | 3450 | 0.0 | - |
| 25.5474 | 3500 | 0.0 | - |
| 25.9124 | 3550 | 0.0 | - |
| 26.2774 | 3600 | 0.0 | - |
| 26.6423 | 3650 | 0.0 | - |
| 27.0073 | 3700 | 0.0 | - |
| 27.3723 | 3750 | 0.0 | - |
| 27.7372 | 3800 | 0.0 | - |
| 28.1022 | 3850 | 0.0 | - |
| 28.4672 | 3900 | 0.0 | - |
| 28.8321 | 3950 | 0.0 | - |
| 29.1971 | 4000 | 0.0 | - |
| 29.5620 | 4050 | 0.0 | - |
| 29.9270 | 4100 | 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}
}
```