Hugging Face's logo

mini1013
/
master_cate_ac1

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_ac1 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
638842e verified
preview code
|
raw
history blame contribute delete
14.5 kB
---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 지벤 안전화 ZB-176 ZIBEN 절연안전화, 벨크로타입 270 삼진안전
- text: 성인 소가죽 남성 라틴 댄스 신발 교사 코치 댄스화 245_G 타입 황금망또직구야
- text: 아디다스 갤럭시5 런닝화 운동화 워킹화 조깅화 러닝화 신발 FW5717 6. 니짜 로우 (흰검)_265 페라토도
- text: 신사야 소가죽 윙팁 옥스포드 남성구두 SSY3008 브라운_270 신사야
- text: '[프로스펙스 본사] 파워소닉 513 260 (주)엘에스네트웍스'
inference: true
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: metric
value: 0.5946474175222807
name: Metric
---
# 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:** 13 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 |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 10.0 | <ul><li>'밸롭 워킹화 티바트 2.0 그라데이션 두족 구매시 129,000원 티바트2.0 그라데이션 오프화이트245 (주)지티에스글로벌'</li><li>'[이월상품]아큘레틱 아쿠아슈즈 균일가 물놀이 신발 콜드/커브/웨이브/스트라이프/휴 워터슈즈 이월상품_2)커브 라임200 주식회사 지브이코퍼레이션'</li><li>'나이키 에어맥스 엑시스 AA2146-100 재고 소진시 자동취소됩니다 에스엠피(SMP)컴퍼니'</li></ul> |
| 4.0 | <ul><li>'헌터형 레인부츠 남자 여자 공용 장화 부츠 슈즈 신발 블랙 위장 따뜻한 콤비네이션 + 탈착식 양말_남성_46 모두(modoo)'</li><li>'BFL 다이얼 패딩 방한화 미들 방한부츠 WA40BK-M19 BFL4019-블랙-250 akmall'</li><li>'1049461 SOREL(소렐) 1964 팩 나일론 NM3487 011(BlackAncient Fossil) 1_one option_27.0cm 도쿄스트릿'</li></ul> |
| 7.0 | <ul><li>'[스포디노]어번_세련된 디자인의 다용도 슬리퍼 네이비_230(36호) (주)씨제이이엔엠'</li><li>'디스커버리 (여성) 뮬리 슬라이드 (DXSH3322N) 베이지(BGS)_235 롯데백화점2관'</li><li>'남녀공용 키높이 신발 실내화 슬라이드 벨크로 이중쿠션 슬리퍼 PP1558 그레이 300 (주) 준인더스트리'</li></ul> |
| 3.0 | <ul><li>'[미소페](강남점) 남성 보트슈즈 022417701 1cm 2color 블랙_260 신세계백화점'</li><li>'23SS 톰브라운 로퍼 MFD251A05584 001 Black 8M 주식회사 구하다'</li><li>'[락포트](강남점)남성화 트루워크제로 2 보트 슈 CJ5105 260 신세계백화점'</li></ul> |
| 1.0 | <ul><li>'cm102 남성효도화 건강신발 남성간호화 가죽 컴포트화 안경화이트_280 미래로'</li><li>'스티코 미끄럼방지 주방화 NEC-03 방수화 위생화 조리화 간호화 주방신발 백색_270 스티코 대덕대리점'</li><li>'지벤양말제공 Ziben ZB-197W 다이얼 기모 방한 안전화/겨울작업화 255mm 바이플렉스(BUYFLEX)'</li></ul> |
| 9.0 | <ul><li>'털슬리퍼 여자 보온 가정용 겨울 사무실 남성 실외 방한 남자 실내 여성 39. 후저강아지 그레이_42-43 41-42피트에 적합 범베스트'</li><li>'남자 학교 남성용 여름 신발 빅 사이즈 캐주얼 나막신 홈 입학식 뛰어난쿠션감실내화 Blue 7927_6.5 리마119'</li><li>'커플 린넨 마 왕골 슬리퍼 왕골 사무실화 라탄 여름 실내화 남성 여성 층간소음 거실화 MinSellAmount 서연몰A'</li></ul> |
| 0.0 | <ul><li>'판매 NO.1 남화 BEST 옥스퍼드/로퍼/정장화 깜짝가 7종 선택05_브라운 HA21001 C_541_280MM 롯데 아이몰'</li><li>'슬립온 구두 뮬 남성블로퍼 가죽 로퍼 43_그레이D190사이즈가작아서한사이즈더큰걸로 보따리무역상사'</li><li>'[금강제화](본점) 리갈 스트레이트팁 키높이 정장화 REGOXC7830K36 240 신세계백화점'</li></ul> |
| 2.0 | <ul><li>'남녀공용 안감털 패딩 부츠 1P 겨울 보온 방한 신발 여성 와인 245 가온'</li><li>'272 털운동화 털신 방한운동화 겨울신발 미끄럼방지 네이비_260 지에이치온'</li><li>'UGG 공식스토어 (M)23FW 타스만칼리웨이브TASMAN CALI WAVE(1653303008) 250(US7)-COGS 스니커링'</li></ul> |
| 6.0 | <ul><li>'반스 올드스쿨 VN000D3HY28 블랙 235 대박상회'</li><li>'타미힐피거 커플 신발 판도라 화이트 네이비 블랙 데일리 프리미엄 브랜드 여름 슬랙스 정장 운동화 24) REXIN-WHI01_280 (US 10) 제이케이슈즈'</li><li>'반스 VANS 올드스쿨 색상 (껌)블랙화이트 216321 235 K트렌디'</li></ul> |
| 8.0 | <ul><li>'스케쳐스 고워크 아치핏 아웃도어 남성 운동화 워킹화 SP0MWCDY081 (모델착화샷) 블랙_270 스케쳐스 청주점'</li><li>'키즈 체커보드 Slip-on 슬립온 VN000ZBUEO1 US12(175) 롯데백화점2관_'</li><li>'반스 운동화 신발 슬립온 스니커즈 커플 클래식 컬러 띠어리 체커보드 다즐링 블루 100875 225 제이유통공식'</li></ul> |
| 12.0 | <ul><li>'DR.MARTENS 더비 구두 추가생산 1461 - 3 EYE GIBSON NAPPA (11838001) (1461 나파) Free_UK 9 (280㎜) 블루웨이브'</li><li>'끈없는웰트화2 VIDW-SS1141 블랙255 신사유통'</li><li>'VIDW-SS1141 끈없는웰트화2 브라운260 제이에프'</li></ul> |
| 11.0 | <ul><li>'스웨이드 발목부츠 워커 데일리슈즈 캐주얼 패션슈즈 블랙_260mm 골드스마일'</li><li>'남자 따뜻한 털 부츠 워커 겨울 남성워커 작업화 02 더랩GP002_블랙_250 틱앤톡'</li><li>'남성 남자부츠 ZSAUAN 남성용 빅 사이즈 영국 포인트 팀버 소가죽신발워커 Red_44 리마103'</li></ul> |
| 5.0 | <ul><li>'토트넘/파리생제르맹 겨울샌들/겨울슬리퍼 방한화 패딩 슬립온 45_에스더버니리본슬리퍼_핑크_240 에버라스트슈즈'</li><li>'[현대백화점][크록스] 바야 라인드 클로그 화이트 205969-11H 화이트/라이트 그레이/M6W8(250) (주)현대백화점'</li><li>'로드워크 브랜드 24SS 캐주얼 슬리퍼 샌들 02_RW여성데일리샌들_블랙250 GSSHOP_'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.5946 |
## 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_ac1")
# Run inference
preds = model("[프로스펙스 본사] 파워소닉 513 260 (주)엘에스네트웍스")
```
<!--
### 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 | 10.5062 | 24 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 50 |
| 1.0 | 50 |
| 2.0 | 50 |
| 3.0 | 50 |
| 4.0 | 50 |
| 5.0 | 50 |
| 6.0 | 50 |
| 7.0 | 50 |
| 8.0 | 50 |
| 9.0 | 50 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 50 |
### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 40
- body_learning_rate: (2e-05, 2e-05)
- head_learning_rate: 2e-05
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0098 | 1 | 0.4275 | - |
| 0.4902 | 50 | 0.3352 | - |
| 0.9804 | 100 | 0.2575 | - |
| 1.4706 | 150 | 0.1047 | - |
| 1.9608 | 200 | 0.0551 | - |
| 2.4510 | 250 | 0.0236 | - |
| 2.9412 | 300 | 0.0234 | - |
| 3.4314 | 350 | 0.0063 | - |
| 3.9216 | 400 | 0.0041 | - |
| 4.4118 | 450 | 0.0058 | - |
| 4.9020 | 500 | 0.0015 | - |
| 5.3922 | 550 | 0.0005 | - |
| 5.8824 | 600 | 0.0002 | - |
| 6.3725 | 650 | 0.0002 | - |
| 6.8627 | 700 | 0.0002 | - |
| 7.3529 | 750 | 0.0002 | - |
| 7.8431 | 800 | 0.0001 | - |
| 8.3333 | 850 | 0.0001 | - |
| 8.8235 | 900 | 0.0001 | - |
| 9.3137 | 950 | 0.0001 | - |
| 9.8039 | 1000 | 0.0001 | - |
| 10.2941 | 1050 | 0.0001 | - |
| 10.7843 | 1100 | 0.0001 | - |
| 11.2745 | 1150 | 0.0001 | - |
| 11.7647 | 1200 | 0.0001 | - |
| 12.2549 | 1250 | 0.0001 | - |
| 12.7451 | 1300 | 0.0001 | - |
| 13.2353 | 1350 | 0.0001 | - |
| 13.7255 | 1400 | 0.0001 | - |
| 14.2157 | 1450 | 0.0001 | - |
| 14.7059 | 1500 | 0.0001 | - |
| 15.1961 | 1550 | 0.0001 | - |
| 15.6863 | 1600 | 0.0001 | - |
| 16.1765 | 1650 | 0.0001 | - |
| 16.6667 | 1700 | 0.0001 | - |
| 17.1569 | 1750 | 0.0001 | - |
| 17.6471 | 1800 | 0.0001 | - |
| 18.1373 | 1850 | 0.0001 | - |
| 18.6275 | 1900 | 0.0001 | - |
| 19.1176 | 1950 | 0.0 | - |
| 19.6078 | 2000 | 0.0001 | - |
### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.46.1
- PyTorch: 2.4.0+cu121
- Datasets: 2.20.0
- Tokenizers: 0.20.0
## 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.*
-->