---
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: 네이쳐리빙 모던 트롤리 스윙 3단 빨래바구니 E) ★한정특가★_E05간편보관접이식대야(S)_블루 서전통상
- text: 빨래방망이 다듬이방망이 2P세트 이불방 다듬잇방망이  신규A
- text: '[홈앤하우스]라탄 패턴 사각 햄퍼 80L 내추럴/단품 패션플러스'
- text: 빨래판 세면대 세라믹 매립형 가정용 발코니 세미빌트인 간이 개수대 4. A형 35x46 - 수전 별도 구매 고야글로벌
- text: 전동빨래건조대 베란다 건조대 전동 자동 천정 천장형 천장 T-V917Yahei텔레스코픽로드 데일바이
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: 0.9600729631130929
      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:** 12 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>'신발세척 브러쉬 싱크대 가벼운 다용도 브러시 실내화  푸른은하수마트'</li><li>'방글방글운동화솔5P 다용도솔  따뜻한마켓'</li><li>'신발닦이솔 아이디어 청소솔 화이트 에이치비상사'</li></ul>                                                                 |
| 8.0   | <ul><li>'삼정 스마트세탁망 내복용 31x50cm 4441  장가요몰'</li><li>'무형광 국산 세탁망 맘스필 브라망 사각 원형 특대형 드럼세탁기 빨래망 사각XL-미세망 rodzina'</li><li>'고급형 세탁기 먼지망/이물질/먼지/세탁기 거름망 블루 레이어드컴퍼니'</li></ul>                         |
| 1.0   | <ul><li>'면마직류 고급 다리미풀 정전기방지 말표 말표다리미풀480ml 추가E'</li><li>'말표 다리미풀 다림질풀 뉴 스프레이 다리미용품 480ml 고급의류 다림풀 의류다림 MinSellAmount 종종걸음샵'</li><li>'키밍 핸드 스팀 다리미판 다리미 스폰지 장갑 상품선택_7403 삼각형 꼬부기 가게'</li></ul>  |
| 6.0   | <ul><li>'다용도실 빨래판 세면대 속옷빨래 사각형 간이세면기 비 47x54 더드컨트리'</li><li>'[여름신상베스트]키높이빨래판  자스트데어(JUST THERE)'</li><li>'Per 빨래판 속 튼튼한 부드러운판 논슬립 손빨래 미끄럼방지 비누수납 일체형디자인 옷빨래 실용적인 대형_그레이 투베스트컴퍼니'</li></ul>     |
| 5.0   | <ul><li>'집 소형 편리한 공간활용 미니행거-집게20p 접이식 폴딩 가정용 심플  스위트 가이 (sweet guy)'</li><li>'다용도 만능 신발정리 휴지집게 구두 물건 잡는 집게  미아앤미오 컴퍼니'</li><li>'접이식 미니행거-집게20p 폴딩 소형 공간활용  풍성한정원'</li></ul>                    |
| 9.0   | <ul><li>'세탁볼 실내건조세제 드럼 이용가능 매직클린 통돌이  행복나라'</li><li>'쇼핑추천 포함 양모볼 인기제품 건조기 키니툴 6P 파우치  핑쇼24'</li><li>'[1300K] 고슴도치 세탁볼 3개 세트  엔에이치엔위투 주식회사'</li></ul>                                           |
| 4.0   | <ul><li>'키친아트 빨래 삶는 통 냄비 인덕션 빨래솥 삶숙이 32cm 3.키친아트 34cm(일반) 척척홀릭'</li><li>'삶순이 행주삶기 행주 냄비 스테인리스 삶기 22cm 빠른대행'</li><li>'키친아트 스팀빨래솥30CM ZW1E3205  윤지상회'</li></ul>                                  |
| 0.0   | <ul><li>'일상드로우 다리미판 스팀다리미 스탠드 접이식 스팀다리미판 스탠드 다다마스'</li><li>'휴대용 핸드 스팀 다리미판 패드 장갑 핸드다리미판장갑 주식회사 아이니쥬'</li><li>'가담다 접이식 스팀 좌식 플립 다리미판 (스톤그레이/프리미엄블랙)/높이조절7단 다리미판 모음전 우마형 화이트 가담다공식스토어'</li></ul> |
| 7.0   | <ul><li>'캠핑용 빨래줄 여행용 빨랫줄 품 휴대용 용품 야외 건조  동그라미'</li><li>'스테인레스 빨래줄 이불 걸이대 스텐 빨랫줄 와이어 304 빨랫줄(10m) 버클세트 스마일_'</li><li>'빨래집게걸이 12P 빨레 집개 건조대 찝개 형 빨래 집게 연두 골드코스트'</li></ul>                       |
| 11.0  | <ul><li>'[판매순위1등] 삼성에어드레서 5벌 DF-FL 호환필터  팡스토리'</li><li>'부드러운 카카오프렌즈 기획전 차박 무릎 학생 잇템 캠핑 춘식이 사무실 담요  청춘유통'</li><li>'암앤해머 베이킹 소다 6.12kg x 2 세척 탈취  백두마켓'</li></ul>                                |
| 3.0   | <ul><li>'벽걸이 메쉬 빨래 바구니 벽걸이 메쉬빨래바구니(핑크) 위드주'</li><li>'친환경 플라스틱 라탄 대용량 특대형 빨래바구니 60L 2. 베이지 '</li><li>'빨래통 3단 트롤리 4단 이동식 스윙빨래바구니 세탁함 빨래바구니3단 사구있오'</li></ul>                                     |
| 2.0   | <ul><li>'리빙나이스 천장건조대 스텐봉 200cm 소경환'</li><li>'삼덕기업 하드웰 PVC코팅봉 스텐봉 베란다 천장빨래건조대 스텐봉 표준형 까바짬'</li><li>'전동빨래건조대 발코니 베란다 천장형 조명 C 꾸대'</li></ul>                                                      |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.9601 |

## 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_lh13")
# Run inference
preds = model("빨래방망이 다듬이방망이 2P세트 이불방 다듬잇방망이  신규A")
```

<!--
### 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   | 9.8017 | 20  |

| 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                    |

### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0106  | 1    | 0.4631        | -               |
| 0.5319  | 50   | 0.4236        | -               |
| 1.0638  | 100  | 0.2102        | -               |
| 1.5957  | 150  | 0.114         | -               |
| 2.1277  | 200  | 0.0733        | -               |
| 2.6596  | 250  | 0.0541        | -               |
| 3.1915  | 300  | 0.0316        | -               |
| 3.7234  | 350  | 0.0104        | -               |
| 4.2553  | 400  | 0.0098        | -               |
| 4.7872  | 450  | 0.0039        | -               |
| 5.3191  | 500  | 0.0026        | -               |
| 5.8511  | 550  | 0.0002        | -               |
| 6.3830  | 600  | 0.0002        | -               |
| 6.9149  | 650  | 0.0001        | -               |
| 7.4468  | 700  | 0.0001        | -               |
| 7.9787  | 750  | 0.0001        | -               |
| 8.5106  | 800  | 0.0001        | -               |
| 9.0426  | 850  | 0.0001        | -               |
| 9.5745  | 900  | 0.0001        | -               |
| 10.1064 | 950  | 0.0001        | -               |
| 10.6383 | 1000 | 0.0001        | -               |
| 11.1702 | 1050 | 0.0001        | -               |
| 11.7021 | 1100 | 0.0001        | -               |
| 12.2340 | 1150 | 0.0001        | -               |
| 12.7660 | 1200 | 0.0           | -               |
| 13.2979 | 1250 | 0.0001        | -               |
| 13.8298 | 1300 | 0.0001        | -               |
| 14.3617 | 1350 | 0.0           | -               |
| 14.8936 | 1400 | 0.0001        | -               |
| 15.4255 | 1450 | 0.0           | -               |
| 15.9574 | 1500 | 0.0001        | -               |
| 16.4894 | 1550 | 0.0           | -               |
| 17.0213 | 1600 | 0.0           | -               |
| 17.5532 | 1650 | 0.0           | -               |
| 18.0851 | 1700 | 0.0           | -               |
| 18.6170 | 1750 | 0.0           | -               |
| 19.1489 | 1800 | 0.0           | -               |
| 19.6809 | 1850 | 0.0           | -               |

### 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.*
-->