|
--- |
|
tags: |
|
- setfit |
|
- sentence-transformers |
|
- text-classification |
|
- generated_from_setfit_trainer |
|
widget: |
|
- text: 자클라이 웨스트바이킹 쿨 바라클라바 넥워머 여름 자외선차단 LF1360 스포츠/레저>스포츠액세서리>스포츠넥워머 |
|
- text: 등산 자전거 바이크 멀티 스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프 |
|
- text: 축구작전판 축구전술판 스코어보드 팀명로고인쇄 스포츠/레저>스포츠액세서리>스코어보드/작전판 |
|
- text: 등산 낚시 동계 필수 아웃도어 전체 기모 방한 마스크 스포츠/레저>스포츠액세서리>스포츠마스크 |
|
- text: 전자점수판 농구전광판 디지털점수판 세자리 배드민턴 N2 스포츠/레저>스포츠액세서리>스코어보드/작전판 |
|
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: 0.9989235737351991 |
|
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:** 9 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 | |
|
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
| 1.0 | <ul><li>'고급형 ABS PP 점수판 가방포함 5세트 30점 중형 44x24 체육용 스포츠/레저>스포츠액세서리>스코어보드/작전판'</li><li>'폭스40 클립보드작전판 6920 스포츠/레저>스포츠액세서리>스코어보드/작전판'</li><li>'축구작전판 풋살작전판 전술보드 지휘판 축구판 s224 2027A E13WCB087EM 스포츠/레저>스포츠액세서리>스코어보드/작전판'</li></ul> | |
|
| 8.0 | <ul><li>'아이워너 범블비 전자호각 호루라기 KS-848 스포츠/레저>스포츠액세서리>호각/호루라기'</li><li>'프로맥스 스포츠호각-그린 스포츠/레저>스포츠액세서리>호각/호루라기'</li><li>'Star 호각 플라스틱 스포츠/레저>스포츠액세서리>호각/호루라기'</li></ul> | |
|
| 6.0 | <ul><li>'런웨이브 스포츠 헤어밴드 1p 땀흡수 머리고정 운동 스포츠/레저>스포츠액세서리>스포츠헤어밴드'</li><li>'미즈노 스트레치 헤어밴드 33YZ210305 스포츠/레저>스포츠액세서리>스포츠헤어밴드'</li><li>'피엘라벤 아비스코 울 헤드밴드 F235UCA09AC 스포츠/레저>스포츠액세서리>스포츠헤어밴드'</li></ul> | |
|
| 7.0 | <ul><li>'배달 등산 트래킹 UV차단 멀티스카프 여름목토시 아이스목도리 자전거마스크 쿨넥 스포츠/레저>스포츠액세서리>아이스머플러/스카프'</li><li>'자외선 통기성 귀걸이형 메쉬 스카프 등산용마스크 등산스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프'</li><li>'해밀 4 1 국산 쿨스카프 넥쿨러 냉감 스포츠 아이스 머플러 자외선차단 여름 넥워머 등산 스포츠/레저>스포츠액세서리>아이스머플러/스카프'</li></ul> | |
|
| 5.0 | <ul><li>'내셔널지오그래픽 아이스 슬리브 N232AGL510 WHITE151842 스포츠/레저>스포츠액세서리>스포츠토시'</li><li>'여름 골프 쿨토시 UV 자외선차단 아이스 팔토시 남성 여성 암슬리브 등산 자전거 운전 손등토시 스포츠/레저>스포츠액세서리>스포츠토시'</li><li>'팔토시 여름 등산 토시 스포츠/레저>스포츠액세서리>스포츠토시'</li></ul> | |
|
| 3.0 | <ul><li>'야팩 자외선차단 골프마스크 얼굴햇빛가리개 등산 자전거 스포츠 아웃도어 마스크팩 1BOX 4매 스포츠/레저>스포츠액세서리>스포츠마스크'</li><li>'블랙야크 남여공용 여름 다용도 UV차단마스크 UV차양마스크 2BYXXX3912 597799 스포츠/레저>스포츠액세서리>스포츠마스크'</li><li>'유투스포츠 1 1 MS1 스탠다드 익스트림 마스크 자외선차단 골프 자전거 스포츠 등산 낚시 산책 스포츠/레저>스포츠액세서리>스포츠마스크'</li></ul> | |
|
| 4.0 | <ul><li>'바너 스포츠 고글 선글라스 자전거 미러 변색 안경 스포츠/레저>스포츠액세서리>스포츠선글라스'</li><li>'BRIKO CYCLOPE 썬글라스 904 스포츠/레저>스포츠액세서리>스포츠선글라스'</li><li>'WTD 스템 변색 미러 렌즈 선글라스 스포츠/레저>스포츠액세서리>스포츠선글라스'</li></ul> | |
|
| 0.0 | <ul><li>'체육관 공 정리함 수납함 철제 보관 바구니 학교 카트 스포츠/레저>스포츠액세서리>볼캐리어'</li><li>'농구 공 보관 랙 3 단 큐브 거치대 차고 스포츠 정리함 실내 탈착식 수직 디스플레이 스탠드 스포츠/레저>스포츠액세서리>볼캐리어'</li><li>'농구공보관함 체육관 학교 공 이동식 수납 정리대-모델굵은글씨화이트140x35x140 5레이어544 5457게이 스포츠/레저>스포츠액세서리>볼캐리어'</li></ul> | |
|
| 2.0 | <ul><li>'아크테릭스 23FW 로 라이트웨이트 울 바라클라바 BLK RHO 라이트 WEIGHT BALACLAVA M 95 정도이니 참조 AENFUX5968 스포츠/레저>스포츠액세서리>스포츠넥워머'</li><li>'블랙 바라클라바 자외선차단마스크 여름넥워머 스포츠/레저>스포츠액세서리>스포츠넥워머'</li><li>'NATIONALGEOGRAPHIC 넥게이터 N232AAC510 스포츠/레저>스포츠액세서리>스포츠넥워머'</li></ul> | |
|
|
|
## Evaluation |
|
|
|
### Metrics |
|
| Label | Accuracy | |
|
|:--------|:---------| |
|
| **all** | 0.9989 | |
|
|
|
## 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_sl21") |
|
# Run inference |
|
preds = model("등산 자전거 바이크 멀티 스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프") |
|
``` |
|
|
|
<!-- |
|
### 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 | 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 |
|
```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.* |
|
--> |
