Hugging Face's logo

mini1013
/
master_cate_fd6

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_fd6 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
e415b97 verified
preview code
|
raw
history blame contribute delete
15.8 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: '[그린스토어] 고슬림 다이어트 팩 (칼로컷) 700mg X 112정 (하루 4정복용, 28일분) /2022.02.23 뉴그린팜'
- text: 한끼곤약젤리 버라이어티팩 150ml x 30개입 지유인터내셔널
- text: '[라이틀리] 곤약볶음밥 8종 4개+4개+1개 4. 닭가슴살200g x 5개_8. 잡채200g x 4개 메가글로벌001'
- text: 오리히로 일본 곤약젤리 제로칼로리 4종 8팩 골라담기 잇츠킷 02. 샤인머스캣 130g 3팩_02. 샤인머스캣 130g 3팩_02.
샤인머스캣 130g 2팩 (주) 행복을 파는 사람들
- text: 뉴트리원 비비랩 더 콜라겐 파우더S 2g x 30포 주식회사 나르샤
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: 0.7886439320490664
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:** 17 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>'사노셀 사라처럼 콤부차 다이어트 1박스(2주분) 체지방 감소 유기산 [사노셀] 사라처럼 2주(14포) 주식회사 뉴솔바이오'</li><li>'스키니랩 가르시니아 1000mg x 2정 x 14포 스윗퀸비'</li><li>'그린스토어 슬림 라인컷 다이어트 112정(28일분) 가르시니아 캄보지아추출물 체지방감소 프레스밀(Press Mill)'</li></ul> |
| 16.0 | <ul><li>'네추럴라이즈 더퍼펙트 스킨 히알루론산 먹는 피부 콜라겐 영양제 1박스 2개월분 (주)엔라이즈'</li><li>'이너비 아쿠아리치 더블업 600mg x 56캡슐 주식회사 제이더블유트레이드'</li><li>'웰릿 웰릿 아쿠아필름 저분자 히알루론산 고함량 콜라겐 엘라스틴 14매 2box 모던알'</li></ul> |
| 12.0 | <ul><li>'바로푸드 와일드망고씨앗 20배 추출분말가루 200g 1통 믿을수있는친구들'</li><li>'와일드망고 씨앗 가루 분말 (주)메디앤케어'</li><li>'프롬바이오 아프리카망고 1개월 30정x1박스 아프리카망고 1개월 주식회사 프롬바이오'</li></ul> |
| 8.0 | <ul><li>'레몬밤차 레몬밤 추출물 티 잎 허브차 티백 주식회사 수명원'</li><li>'[Solaray] 솔라레이 레몬 밤 475 mg, 100 베지캡슐 엘엔제이인터내셔널'</li><li>'순수한집 레몬밤차 티백 50개입 33. 국화차 50티백x2개 (총100개입) (주)순수코퍼레이션'</li></ul> |
| 9.0 | <ul><li>'시네트롤 슬림 자몽 오렌지 추출물 60정 나린진 더 바디슬림 로얄캐네디언 라임마켓'</li><li>'캐나다 시네트롤 슬림 60베지캡슐 고함량 로얄캐네디언 씨네트롤 효능 한스생활건강'</li><li>'스키니랩 마시는 시네트롤 자몽 다이어트 4g x 14포 에이(A)'</li></ul> |
| 3.0 | <ul><li>'졸러 래보래토리즈 잔트랙스 잰트렉스 블루, 84소프트젤 84소프트젤 아하몰'</li><li>'졸러 잔트렉스 블루 84캡슐 Zantrex Blue 2-잔트렉스 블랙 엘케이스토어'</li><li>'톡스웰 정 600mg x 60정 60정x1개 더 나누다 인터내셔널(The nanuda international)'</li></ul> |
| 5.0 | <ul><li>'건레몬 건조레몬 말린레몬 50g 연금술차 레몬티 건레몬 건조레몬 50g 현우공업사'</li><li>'그라비올라 300g 1팩 시간벌기'</li><li>'대상 청정원 홍초 석류 900ML x 2개 리인터내셔널'</li></ul> |
| 14.0 | <ul><li>'판텐투컷 420mg x 90정 1개월분 잡(Job)상인'</li><li>'센트럴포뮬러 써큐레드 120정 바른건강몰'</li><li>'[NEW]메타그린 슬림업 리필형 420mg x 120정(2개월분) 2정소포장×60포 하나네트워크'</li></ul> |
| 4.0 | <ul><li>'오리온 닥터유 에너지바 40g 닥터유 호두에너지바40g 화진유통'</li><li>'랩노쉬 단백쿠키 5종 20개입 (맛 선택)/ 수제 르뱅 단백질과자 프로틴쿠키 초코칩 피넛버터 10개입 2박스 (총 20개입) 메가글로벌001'</li><li>'오리온 닥터유 에너지바 40g 오리온 닥터유 에너지바 40g 1개 (주) 굿 드림'</li></ul> |
| 13.0 | <ul><li>'비비랩 잔티젠 에스 600mg x 14캡슐 판다친구'</li><li>'뉴트리디데이 다이어트 잔티젠 올뉴 600 30캡슐 1병 체중 체지방 감소 03_잔티젠 올뉴 3병 주식회사 더베이글'</li><li>'슈퍼잔티젠 원 캡슐 다이어트 650mg x 14캡슐 이너뷰티(Inner Beauty)'</li></ul> |
| 10.0 | <ul><li>'로얄 캐네디언 시서스 파우더 300G 녹돌 이'</li><li>'로얄케네디언 캐나다 시서스 분말 가루 파우더 300g 녹돌 씨'</li><li>'스키니랩 행복한 시서스 다이어트 600mg x 28정 동의 조이앤존'</li></ul> |
| 15.0 | <ul><li>'캘리포니아 골드 뉴트리션 저분자 콜라겐 업 464g 마린콜라겐 펩타이드 히알루론산 1팩 조이제이몰'</li><li>'트루엔 듀얼액상콜라겐 18ml x 30포 주식회사 제이제이몰'</li><li>'지웨이 슈가 먹는 저분자 피쉬콜라겐 펩타이드 300달톤 150g 1통 슈가 피쉬 콜라겐 6통 (주)지웨이'</li></ul> |
| 0.0 | <ul><li>'CMG제약 슬림부스터02 800mg 42캡슐 건강청년'</li><li>'악마다이어트 cla 프리미엄 60캡슐 160년 전통 독일산 체지방감소 기초대사량 증가 스몰케어'</li><li>'인테로 CLA 공액리놀레산 공액리놀렌산 체지방감소 다이어트 식품 보조제 단기 8주분 2+1 (24주분) 주식회사 인테로'</li></ul> |
| 6.0 | <ul><li>'오리온 단백질칩 칠리살사맛 60g 닥터유 신상 프로틴 다이어트 과자 스낵 향기좋은날'</li><li>'엑스텐트 오리지널 BCAA 레몬 라임 스퀴즈 1.4kg 망고 매드니스 어스몰원'</li><li>'뉴트리코스트 베타-알라닌 언플레이버드 글루텐 프리 500g × 1개 와이에스 트레이딩'</li></ul> |
| 11.0 | <ul><li>'일동제약 비오비타 우리아이 쾌변젤리 월촌마트'</li><li>'미궁365 대장사랑 오리지널 5g x 30포 1박스 위너스마일'</li><li>'미궁365 대장사랑 오리지널 5g x 30포 제이컴퍼니'</li></ul> |
| 2.0 | <ul><li>'국내산 도라지 환 국산 셋그라운드'</li><li>'[허닭] 닭가슴살 곤약볶음밥 250g 10종 1팩 01.닭가슴살 닭갈비 곤약 볶음밥 1팩 에이케이에스앤디 (주) AK인터넷쇼핑몰'</li><li>'[라이틀리] 참치김치 곤약볶음밥 200g 대상주식회사'</li></ul> |
| 7.0 | <ul><li>'락토페린 2개월분 모로오렌지 시너지 c3g 모로실 활력포션 공식몰'</li><li>'락토페린 글루타치온 모로오렌지 18000 1박스 베르가못 이너뷰티 그래스페드 뷰티영양제 한국생활건강연구소'</li><li>'뉴트럴플랜 모로오렌지 레몬밤 락토페린 600mg x 120정 디에트데이'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.7886 |
## 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_fd6")
# Run inference
preds = model("한끼곤약젤리 버라이어티팩 150ml x 30개입 지유인터내셔널")
```
<!--
### 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 | 10.0988 | 23 |
| 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 | 23 |
| 8.0 | 50 |
| 9.0 | 50 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 27 |
| 13.0 | 50 |
| 14.0 | 50 |
| 15.0 | 50 |
| 16.0 | 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 |
|:-----:|:----:|:-------------:|:---------------:|
| 0.008 | 1 | 0.4244 | - |
| 0.4 | 50 | 0.357 | - |
| 0.8 | 100 | 0.201 | - |
| 1.2 | 150 | 0.1331 | - |
| 1.6 | 200 | 0.0757 | - |
| 2.0 | 250 | 0.0294 | - |
| 2.4 | 300 | 0.0338 | - |
| 2.8 | 350 | 0.0214 | - |
| 3.2 | 400 | 0.0108 | - |
| 3.6 | 450 | 0.0059 | - |
| 4.0 | 500 | 0.0046 | - |
| 4.4 | 550 | 0.0065 | - |
| 4.8 | 600 | 0.0023 | - |
| 5.2 | 650 | 0.0004 | - |
| 5.6 | 700 | 0.0002 | - |
| 6.0 | 750 | 0.0022 | - |
| 6.4 | 800 | 0.0021 | - |
| 6.8 | 850 | 0.0022 | - |
| 7.2 | 900 | 0.0021 | - |
| 7.6 | 950 | 0.004 | - |
| 8.0 | 1000 | 0.0002 | - |
| 8.4 | 1050 | 0.0003 | - |
| 8.8 | 1100 | 0.0002 | - |
| 9.2 | 1150 | 0.0013 | - |
| 9.6 | 1200 | 0.003 | - |
| 10.0 | 1250 | 0.0015 | - |
| 10.4 | 1300 | 0.0002 | - |
| 10.8 | 1350 | 0.0001 | - |
| 11.2 | 1400 | 0.0001 | - |
| 11.6 | 1450 | 0.0001 | - |
| 12.0 | 1500 | 0.0001 | - |
| 12.4 | 1550 | 0.0001 | - |
| 12.8 | 1600 | 0.0001 | - |
| 13.2 | 1650 | 0.0001 | - |
| 13.6 | 1700 | 0.0001 | - |
| 14.0 | 1750 | 0.0001 | - |
| 14.4 | 1800 | 0.0001 | - |
| 14.8 | 1850 | 0.0001 | - |
| 15.2 | 1900 | 0.0001 | - |
| 15.6 | 1950 | 0.0001 | - |
| 16.0 | 2000 | 0.0001 | - |
| 16.4 | 2050 | 0.0001 | - |
| 16.8 | 2100 | 0.0001 | - |
| 17.2 | 2150 | 0.0001 | - |
| 17.6 | 2200 | 0.0001 | - |
| 18.0 | 2250 | 0.0001 | - |
| 18.4 | 2300 | 0.0001 | - |
| 18.8 | 2350 | 0.0001 | - |
| 19.2 | 2400 | 0.0001 | - |
| 19.6 | 2450 | 0.0001 | - |
| 20.0 | 2500 | 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.*
-->