Hugging Face's logo

mini1013
/
master_cate_lh9

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_lh9 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
2581280 verified
preview code
|
raw
history blame contribute delete
10.5 kB
metadata
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: 코어슬리머 전용 리필패드 6P 2개  롯데아이몰
  - text: 발락 손목 마사지기 안마기 간편한 EMS 반영구적 통증 팔목 마사지 발락 손목 마사지기 세트 (주)엘가니
  - text: '[바이오프로테크]프로텐스 핀타입 대형 저주파패드 2조(RG01)  '
  - text: 성게 탱탱볼 노인복지센터 안마볼 촉각볼 선물 몸신 물리치료 어르신 탱볼_11.탱볼(농구) 워커스
  - text: '[약손드림] 저주파 EMS 어깨 마사지기 미세전류 휴대용 안마기 부모님선물 효도선물 어깨보호대 M(95~100호) 금양리테일 주식회사'
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: 0.894511760513186
            name: Metric

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:

  1. Fine-tuning a Sentence Transformer with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Model Labels

Label Examples
6.0
  • '예림전자 적외선조사기 전체화이트 필립스 250W 램프 적외선 치료기 아닌 국산 의료기기 01 전체화이트 e청춘'
  • '비타그램 필립스 적외선 램프 피부방사기 WGT-8888S VitaGRAM'
  • '원적외선 온열 치료기 한의원 어깨 경추 램프 마사지 MinSellAmount 차류소'
2.0
  • 'HWATO 고급형 부항기 14컵 라이프샵'
  • '손 사혈부항용 따주기 자 통사혈기 광명사 침 구비 측정 습식 손따주는 체했을때 혈당기 자동 간편 알리몽드투'
  • '한솔부항기 신형 소독가능 부항컵 10개 1박스 (사이즈선택1-5호) 한솔부항2호컵 수의료기'
5.0
  • '오므론 저주파 롱 라이프 패드 2p HV-LLPAD-G... 1개 HV-LLPAD-GY × 2개 스위에'
  • '코어슬리머 전용 리필패드 6P 3개 [0001]기본상품 CJONSTYLE'
  • '클럭 미니 마사지기 리필패드 큰패드 2박스 총6P /DY_MC 멸치쇼핑'
0.0
  • '닥터체크 슬림 X형 테이핑 무릎보호대(좌우겸용 1P) M-중형(630475) 트래이드 씨스템(TRADE SYSTEM)'
  • '닥터체크 슬림 X형 테이핑 종아리압박보호대(좌우겸용 1P) M-중형(630499) 태빛ID'
  • '국산 의료용 허리보호대 편안하고 부드러운 허리복대 선택01- 001s 허리보호대_XXXL(40~43인치) 대한건강'
4.0
  • '스트라텍 의료용 전침기 4채널 STN-220 저주파자극기 침전기자극기 자석형 (주)오픈메디칼'
  • '디웰 저주파 마사지기 버튼형 LB-1803 미니마사지기 휴대용 무선 안마기 일반구매_06.버튼형2박스+대형패드 8매+흡착컵8개 주식회사 청훈'
  • '극동저주파 PRO1000 wave GOLD 헬스푸드메디칼'
1.0
  • '조은팜 초음파젤 의료용젤 투명5L 1통 무료전달 조은초음파젤5L블루 세븐메디컬'
  • '이도팜 소노젤리 투명 블루 5L +250ml 공병 소노겔 초음파젤리 ECG [0001]블루 5L CJONSTYLE'
  • '세니피아 에코소닉 초음파젤 투명 250mL 12개x4통 1박스 소노젤리 피부과 산부인과용 세븐메디컬'
3.0
  • '클럭 미니 마사지기SE YGGlobal'
  • '온열/공기압/원적외선/저주파 4중케어 무릎마사지기[공기압 온열 원적외선 진동기능]안마기 05.클레버 마사지건 SR825 수련닷컴'
  • '휴테크 하체 근육 강화 EMS 마사지기 식스패드 풋핏2 HT-W03A '

Evaluation

Metrics

Label Metric
all 0.8945

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_lh9")
# Run inference
preds = model("코어슬리머 전용 리필패드 6P 2개  롯데아이몰")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 9.78 21
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

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
0.0182 1 0.4065 -
0.9091 50 0.2829 -
1.8182 100 0.0954 -
2.7273 150 0.0196 -
3.6364 200 0.0057 -
4.5455 250 0.0069 -
5.4545 300 0.0024 -
6.3636 350 0.0003 -
7.2727 400 0.0002 -
8.1818 450 0.0001 -
9.0909 500 0.0001 -
10.0 550 0.0001 -
10.9091 600 0.0001 -
11.8182 650 0.0001 -
12.7273 700 0.0001 -
13.6364 750 0.0001 -
14.5455 800 0.0001 -
15.4545 850 0.0001 -
16.3636 900 0.0001 -
17.2727 950 0.0001 -
18.1818 1000 0.0001 -
19.0909 1050 0.0 -
20.0 1100 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 

@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}
}