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:

Fine-tuning a Sentence Transformer with contrastive learning.
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
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 10 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
8.0	'토알슨 배드민턴 롤 스트링 거트 200m BL-6700 스포츠/레저>배드민턴>스트링' '배드민턴줄교체 테니스 리폼 조정 스트링 기계 텐션 스포츠/레저>배드민턴>스트링' '테니스 거트 라켓줄 라켓 스트링 1 25 원형 네츄럴 스포츠/레저>배드민턴>스트링'
6.0	'요넥스 이클립션Z 미드 남녀공용 배드민턴화 스포츠/레저>배드민턴>배드민턴화' '미즈노 남여 배드민턴화 웨이브 스텔스 네오 에너지 스포츠/레저>배드민턴>배드민턴화' '미즈노 배드민턴화 체대입시화 사이클론 스피드 3 BM10314574 스포츠/레저>배드민턴>배드민턴화'
4.0	'어태커 W-FORCE 배드민턴라켓 스포츠/레저>배드민턴>배드민턴라켓' '미즈노 알티우스 01 필 배드민턴라켓 스포츠/레저>배드민턴>배드민턴라켓' 'TAAN 미라지 100 배드민턴라켓 스포츠/레저>배드민턴>배드민턴라켓'
2.0	'요넥스 테니스가방 베드민턴 백팩 라켓백 BAG2328-007 스포츠/레저>배드민턴>배드민턴가방' '2023 요넥스 배드민턴 테니스 백팩 가방 BA02312EX 스포츠/레저>배드민턴>배드민턴가방' '테크니스트 배드민턴 미니파우치 가방 TBS-32 TBS-33 스포츠/레저>배드민턴>배드민턴가방'
0.0	'배드민턴 그립 밴드 라켓 손잡이 오버 테이프 스포츠/레저>배드민턴>그립' '키모니 타올그립 1롤 10m 6컬러 KGT116 스포츠/레저>배드민턴>그립' '배드민턴 골프 심 라켓 그립 테이프 테니스 손잡이 스포츠/레저>배드민턴>그립'
1.0	'낫소 배드민턴라켓 템테이션 카본 레저용 라켓세트 학교체육 스포츠/레저>배드민턴>기타배드민턴용품' '익스트리모 LiNing 배드민턴 라켓 스트링 미포함 AYPM438-4 스포츠/레저>배드민턴>기타배드민턴용품' '트라이온 스트링머신 X-700 스포츠/레저>배드민턴>기타배드민턴용품'
7.0	'셔틀콕 1박스 25타 배드민턴셔틀콕 KK7000 스포츠/레저>배드민턴>셔틀콕' '요넥스 배드민턴 셔틀콕 FEATHER 12개입 AS-10EX 스포츠/레저>배드민턴>셔틀콕' '경원 셔틀콕 배드민턴공 스포츠/레저>배드민턴>셔틀콕'
3.0	'니스포 멀티 지주네트 5m 세트 스포츠/레저>배드민턴>배드민턴네트' '런웨이브 배드민턴 네트 LW-0187 스포츠/레저>배드민턴>배드민턴네트' '이고진 배드민턴 네트 스포츠/레저>배드민턴>배드민턴네트'
9.0	'배드민턴 연습기 트레이닝 성인 초등학생 리턴콕 실내 3 5m 기본형 공1 야광1 스포츠/레저>배드민턴>연습용품' '배드민턴 스윙 연습기 셀프 트레이닝 훈련 스매싱 스포츠/레저>배드민턴>연습용품' '배드민턴 셀프 트레이닝 스파링 연습기 스매싱 서브 스포츠/레저>배드민턴>연습용품'
5.0	'패기앤코 남성 티셔츠 DT-118 스포츠/레저>배드민턴>배드민턴의류' '요넥스 아노락 바람막이 긴팔 티셔츠 BE 231JJ003U 스포츠/레저>배드민턴>배드민턴의류' '요넥스 여성 바람막이 긴팔티셔츠 반바지 233JJ002U 231PH002FNV 스포츠/레저>배드민턴>배드민턴의류'

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_sl12")
# Run inference
preds = model("요넥스 나노지 배드민턴스트링 NBG 98-2 200M 스포츠/레저>배드민턴>스트링")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	8.0186	22

Label	Training Sample Count
0.0	70
1.0	70
2.0	70
3.0	16
4.0	70
5.0	70
6.0	70
7.0	70
8.0	70
9.0	69

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
0.0079	1	0.475	-
0.3968	50	0.4972	-
0.7937	100	0.2864	-
1.1905	150	0.1285	-
1.5873	200	0.0559	-
1.9841	250	0.0233	-
2.3810	300	0.007	-
2.7778	350	0.0026	-
3.1746	400	0.0006	-
3.5714	450	0.0004	-
3.9683	500	0.0002	-
4.3651	550	0.0001	-
4.7619	600	0.0001	-
5.1587	650	0.0001	-
5.5556	700	0.0001	-
5.9524	750	0.0001	-
6.3492	800	0.0001	-
6.7460	850	0.0002	-
7.1429	900	0.0001	-
7.5397	950	0.0001	-
7.9365	1000	0.0	-
8.3333	1050	0.0	-
8.7302	1100	0.0	-
9.1270	1150	0.0	-
9.5238	1200	0.0	-
9.9206	1250	0.0	-
10.3175	1300	0.0	-
10.7143	1350	0.0	-
11.1111	1400	0.0	-
11.5079	1450	0.0	-
11.9048	1500	0.0	-
12.3016	1550	0.0	-
12.6984	1600	0.0	-
13.0952	1650	0.0	-
13.4921	1700	0.0	-
13.8889	1750	0.0	-
14.2857	1800	0.0	-
14.6825	1850	0.0	-
15.0794	1900	0.0	-
15.4762	1950	0.0	-
15.8730	2000	0.0	-
16.2698	2050	0.0	-
16.6667	2100	0.0	-
17.0635	2150	0.0	-
17.4603	2200	0.0	-
17.8571	2250	0.0	-
18.2540	2300	0.0	-
18.6508	2350	0.0	-
19.0476	2400	0.0	-
19.4444	2450	0.0	-
19.8413	2500	0.0	-
20.2381	2550	0.0	-
20.6349	2600	0.0	-
21.0317	2650	0.0	-
21.4286	2700	0.0	-
21.8254	2750	0.0	-
22.2222	2800	0.0	-
22.6190	2850	0.0	-
23.0159	2900	0.0	-
23.4127	2950	0.0	-
23.8095	3000	0.0	-
24.2063	3050	0.0	-
24.6032	3100	0.0	-
25.0	3150	0.0	-
25.3968	3200	0.0	-
25.7937	3250	0.0	-
26.1905	3300	0.0	-
26.5873	3350	0.0	-
26.9841	3400	0.0	-
27.3810	3450	0.0	-
27.7778	3500	0.0	-
28.1746	3550	0.0	-
28.5714	3600	0.0	-
28.9683	3650	0.0	-
29.3651	3700	0.0	-
29.7619	3750	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}
}

Downloads last month: 1

Safetensors

Model size

0.1B params

Tensor type

F32

Model tree for mini1013/master_cate_sl12

Base model

klue/roberta-base

Finetuned

mini1013/master_domain

Finetuned

(214)

this model

Paper for mini1013/master_cate_sl12

Efficient Few-Shot Learning Without Prompts

Paper • 2209.11055 • Published Sep 22, 2022 • 4

Evaluation results

Accuracy on Unknown
test set self-reported

1.000