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: 9 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
1.0	'고급형 ABS PP 점수판 가방포함 5세트 30점 중형 44x24 체육용 스포츠/레저>스포츠액세서리>스코어보드/작전판' '폭스40 클립보드작전판 6920 스포츠/레저>스포츠액세서리>스코어보드/작전판' '축구작전판 풋살작전판 전술보드 지휘판 축구판 s224 2027A E13WCB087EM 스포츠/레저>스포츠액세서리>스코어보드/작전판'
8.0	'아이워너 범블비 전자호각 호루라기 KS-848 스포츠/레저>스포츠액세서리>호각/호루라기' '프로맥스 스포츠호각-그린 스포츠/레저>스포츠액세서리>호각/호루라기' 'Star 호각 플라스틱 스포츠/레저>스포츠액세서리>호각/호루라기'
6.0	'런웨이브 스포츠 헤어밴드 1p 땀흡수 머리고정 운동 스포츠/레저>스포츠액세서리>스포츠헤어밴드' '미즈노 스트레치 헤어밴드 33YZ210305 스포츠/레저>스포츠액세서리>스포츠헤어밴드' '피엘라벤 아비스코 울 헤드밴드 F235UCA09AC 스포츠/레저>스포츠액세서리>스포츠헤어밴드'
7.0	'배달 등산 트래킹 UV차단 멀티스카프 여름목토시 아이스목도리 자전거마스크 쿨넥 스포츠/레저>스포츠액세서리>아이스머플러/스카프' '자외선 통기성 귀걸이형 메쉬 스카프 등산용마스크 등산스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프' '해밀 4 1 국산 쿨스카프 넥쿨러 냉감 스포츠 아이스 머플러 자외선차단 여름 넥워머 등산 스포츠/레저>스포츠액세서리>아이스머플러/스카프'
5.0	'내셔널지오그래픽 아이스 슬리브 N232AGL510 WHITE151842 스포츠/레저>스포츠액세서리>스포츠토시' '여름 골프 쿨토시 UV 자외선차단 아이스 팔토시 남성 여성 암슬리브 등산 자전거 운전 손등토시 스포츠/레저>스포츠액세서리>스포츠토시' '팔토시 여름 등산 토시 스포츠/레저>스포츠액세서리>스포츠토시'
3.0	'야팩 자외선차단 골프마스크 얼굴햇빛가리개 등산 자전거 스포츠 아웃도어 마스크팩 1BOX 4매 스포츠/레저>스포츠액세서리>스포츠마스크' '블랙야크 남여공용 여름 다용도 UV차단마스크 UV차양마스크 2BYXXX3912 597799 스포츠/레저>스포츠액세서리>스포츠마스크' '유투스포츠 1 1 MS1 스탠다드 익스트림 마스크 자외선차단 골프 자전거 스포츠 등산 낚시 산책 스포츠/레저>스포츠액세서리>스포츠마스크'
4.0	'바너 스포츠 고글 선글라스 자전거 미러 변색 안경 스포츠/레저>스포츠액세서리>스포츠선글라스' 'BRIKO CYCLOPE 썬글라스 904 스포츠/레저>스포츠액세서리>스포츠선글라스' 'WTD 스템 변색 미러 렌즈 선글라스 스포츠/레저>스포츠액세서리>스포츠선글라스'
0.0	'체육관 공 정리함 수납함 철제 보관 바구니 학교 카트 스포츠/레저>스포츠액세서리>볼캐리어' '농구 공 보관 랙 3 단 큐브 거치대 차고 스포츠 정리함 실내 탈착식 수직 디스플레이 스탠드 스포츠/레저>스포츠액세서리>볼캐리어' '농구공보관함 체육관 학교 공 이동식 수납 정리대-모델굵은글씨화이트140x35x140 5레이어544 5457게이 스포츠/레저>스포츠액세서리>볼캐리어'
2.0	'아크테릭스 23FW 로 라이트웨이트 울 바라클라바 BLK RHO 라이트 WEIGHT BALACLAVA M 95 정도이니 참조 AENFUX5968 스포츠/레저>스포츠액세서리>스포츠넥워머' '블랙 바라클라바 자외선차단마스크 여름넥워머 스포츠/레저>스포츠액세서리>스포츠넥워머' 'NATIONALGEOGRAPHIC 넥게이터 N232AAC510 스포츠/레저>스포츠액세서리>스포츠넥워머'

Evaluation

Metrics

Label	Accuracy
all	0.9989

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_sl21")
# Run inference
preds = model("등산 자전거 바이크 멀티 스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	8.4524	21

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

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
0.0081	1	0.5163	-
0.4032	50	0.4971	-
0.8065	100	0.3704	-
1.2097	150	0.1312	-
1.6129	200	0.0318	-
2.0161	250	0.0173	-
2.4194	300	0.0096	-
2.8226	350	0.0001	-
3.2258	400	0.0001	-
3.6290	450	0.0001	-
4.0323	500	0.0	-
4.4355	550	0.0	-
4.8387	600	0.0	-
5.2419	650	0.0	-
5.6452	700	0.0	-
6.0484	750	0.0	-
6.4516	800	0.0	-
6.8548	850	0.0	-
7.2581	900	0.0	-
7.6613	950	0.0	-
8.0645	1000	0.0	-
8.4677	1050	0.0	-
8.8710	1100	0.0	-
9.2742	1150	0.0	-
9.6774	1200	0.0	-
10.0806	1250	0.0	-
10.4839	1300	0.0	-
10.8871	1350	0.0	-
11.2903	1400	0.0	-
11.6935	1450	0.0	-
12.0968	1500	0.0	-
12.5	1550	0.0	-
12.9032	1600	0.0	-
13.3065	1650	0.0	-
13.7097	1700	0.0	-
14.1129	1750	0.0	-
14.5161	1800	0.0	-
14.9194	1850	0.0	-
15.3226	1900	0.0	-
15.7258	1950	0.0	-
16.1290	2000	0.0	-
16.5323	2050	0.0	-
16.9355	2100	0.0	-
17.3387	2150	0.0	-
17.7419	2200	0.0	-
18.1452	2250	0.0	-
18.5484	2300	0.0	-
18.9516	2350	0.0	-
19.3548	2400	0.0	-
19.7581	2450	0.0	-
20.1613	2500	0.0	-
20.5645	2550	0.0	-
20.9677	2600	0.0	-
21.3710	2650	0.0	-
21.7742	2700	0.0	-
22.1774	2750	0.0	-
22.5806	2800	0.0	-
22.9839	2850	0.0	-
23.3871	2900	0.0	-
23.7903	2950	0.0	-
24.1935	3000	0.0	-
24.5968	3050	0.0	-
25.0	3100	0.0	-
25.4032	3150	0.0	-
25.8065	3200	0.0	-
26.2097	3250	0.0	-
26.6129	3300	0.0	-
27.0161	3350	0.0	-
27.4194	3400	0.0	-
27.8226	3450	0.0	-
28.2258	3500	0.0	-
28.6290	3550	0.0	-
29.0323	3600	0.0	-
29.4355	3650	0.0	-
29.8387	3700	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}
}

mini1013
/

master_cate_sl21