---
base_model: klue/roberta-base
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 닥터 브로너스 그린티 퓨어 캐스틸 바솝 140g 3개 옵션없음 (주)엠아이인터내셔널
- text: 에치앤지 코스노리 아이래쉬 틴팅 세럼 9g 옵션없음 탑서비스
- text: '[VT] 피디알엔 리들샷 옵션없음 (주)지에스리테일 홈쇼핑'
- text: 1950년대 영국체어 옵션없음 4Umall (포유몰)
- text: Tip Top 팁탑 포마드 오리지널 120g [한정수량할인] 바르노 포마드_01 바르노 오리지널(수성) 주식회사 설빈
inference: true
model-index:
- name: SetFit with klue/roberta-base
  results:
  - task:
      type: text-classification
      name: Text Classification
    dataset:
      name: Unknown
      type: unknown
      split: test
    metrics:
    - type: metric
      value: 0.8909090909090909
      name: Metric
---

# SetFit with klue/roberta-base

This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [klue/roberta-base](https://huggingface.co/klue/roberta-base) 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:** [klue/roberta-base](https://huggingface.co/klue/roberta-base)
- **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                                                                                                                                                                                                                         |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1     | <ul><li>'바디콕 발톱솔루션 문제성 발톱 영양제 손발톱 강화제 진정 손톱 케어제 큐어유 [갯수한정] 3개월분 ⭐패밀리 패키지⭐ 주식회사 씨앤알커머스'</li><li>'요거트젤 젤라또 파스텔시럽젤 9종 [단품] S29 네일컴퍼니'</li><li>'그라시아 크레이지 탑 띠크 25g 크레이지탑젤 스탠다드 40g 지구글로벌 스토어'</li></ul>                              |
| 6     | <ul><li>'래쉬홀릭 3D 속눈썹 영양제 옵션없음 뷰티맨이야'</li><li>'키치캐치 치키 컬러 밤 (8 Colors) PLAYFUL 주식회사 링크스'</li><li>'입큰 플러피 듀얼 립 펜슬 라이너 1호 미닝피치 X 2개 옵션없음 비엔엠코리아'</li></ul>                                                                          |
| 8     | <ul><li>'에스트라 아스트라 아토베리어 로션 MD 200ml 1개 옵션없음 케이니크'</li><li>'Alpinestars 넥 튜브블랙 레드 플루오 블랙 레드_One 사이즈 브릭스썬'</li><li>'테라로직 정상가 38000원 펜타마이드 리얼 브라이트닝 10C 앰플 50ml 옵션없음 엠비즈에이'</li></ul>                                              |
| 2     | <ul><li>'토시도 아이존 시트 20매 / 면 눈가 전용 아이 시트지 부직포 옵션없음 페이즈'</li><li>'[NEW] 해서린 포어 멜팅 와이드 슈링코팩 4매 옵션없음 휴리빙'</li><li>'하비언니X노모크 수면팩 48구 주식회사 디스토리'</li></ul>                                                                             |
| 7     | <ul><li>'바나나보트 에프터썬 알로에젤 수딩젤 473ml 3개입 바나나보트 알로에젤 473ml/3개입 스테디세일러'</li><li>'코레스 코코넛-아몬드 키즈 컴포트 썬 스프레이 SPF50 150ml / KORRES 옵션없음 Minsun Kim'</li><li>'바이오가 수딩젤 피토스핑고신 스쿠알렌 글루세린 250ML 1개 바이오가 수딩젤 피토스핑고신 250ML 1개 레몽샵'</li></ul> |
| 5     | <ul><li>'쌍테 누드스킨 슬림형 쌍커풀테이프 쌍커플테이프 쌍거풀테이프 옵션없음 셀렉트림'</li><li>'새로핸즈 스프레이 투명 유리 검정캡 10ml (스크류타입) 옵션없음 (주)새로핸즈'</li><li>'원씽 원형 빅 패드 70매입 옵션없음 (주)원씽'</li></ul>                                                                      |
| 3     | <ul><li>'Lush Silky Underwear Dusting Powder 러쉬 실키 언더웨어 더스트 더스팅 파우더 60g 2팩 옵션없음 이펄 Effal2'</li><li>'다이나믹스킨 왁싱재료 왁싱부직포 100매 무슬린천 옵션없음 코리안집시'</li><li>'누리네 때비누 황토/쑥 누리네 때비누 황토 주식회사 억조상사'</li></ul>                                |
| 0     | <ul><li>'니베아 립케어 립밤 5.5ml 모이스처 옵션없음 삼성메디원'</li><li>'라끄베르 옴므 리:차지 2종세트 옵션없음 뷰티트리'</li><li>'피지오겔 DMT 크림150 옵션없음 (주)지에스리테일 홈쇼핑'</li></ul>                                                                                           |
| 4     | <ul><li>'에이지투웨니스 블랙 골드 팩트 본품+리필+커피쿠폰 23호 미디움 베이지+커피쿠폰 주식회사 아이홀릭'</li><li>'입생로랑 NEW 메쉬 핑크 쿠션 12g 리필 B25 옵션없음 쇼핑사거리'</li><li>'힌스 세컨 스킨 메쉬 매트 쿠션(본품+리필) [본품+리필] 17 포슬린 하늘바다너머'</li></ul>                                            |
| 9     | <ul><li>'[본사제품최신제조] 인셀덤 엑티브 클린업 파우더 90g 폼 클렌징 가루 효소 세안제 옵션없음 미라클'</li><li>'[제로이드] 인텐시브 페이셜 크림 클렌저 180ml 옵션없음 주식회사 트리티스'</li><li>'라미 라피네 야채 딥 300ml 옵션없음 행복이'</li></ul>                                                           |
| 11    | <ul><li>'미쟝센 스타일 케어 프로 스트롱 홀드 스프레이 300ml/ (2개이상 복수구매시 추가할인) 옵션없음 다판다'</li><li>'웰라프로페셔널 일루미나 컬러 염색약 80g 산화제미포함 일루미나산화제미포함_웰라 일루미나 블로썸-6 [80g] 티비'</li><li>'아모스 에센셜 시스테인 펌 150ml + 150ml 시스테인펌제 옵션없음 티비'</li></ul>                 |
| 12    | <ul><li>'이브로셰 라즈베리 헤어식초 400ml 8750943 옵션없음 비티엘파트너'</li><li>'이브로쉐 리프레쉬 헤어식초(모링가) 400ml 옵션없음 스루치로 유한책임회사'</li><li>'[우신] R&B(알앤비) 아로마 pH 컨트롤 500ml 피에이치 컨트롤 컬강화제 옵션없음 송이뷰티'</li></ul>                                               |
| 10    | <ul><li>'지미추 플로럴 EDT 40ml+랜덤쇼핑백 옵션없음 아이스큐브'</li><li>'라벤더 프렌치 유기농 에센셜오일 100ml 대용량 고농축 허브 아로마오일 불면증에좋은 숙면 테라피 디퓨저 옵션없음 마이소르 주식회사'</li><li>'조말론 블랙베리 앤 베이 오 드 코롱 50ml 옵션없음 블랑블랑'</li></ul>                                          |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.8909 |

## 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("setfit_model_id")
# Run inference
preds = model("1950년대 영국체어 옵션없음 4Umall (포유몰)")
```

<!--
### 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   | 9.8008 | 33  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0     | 1281                  |
| 1     | 582                   |
| 2     | 681                   |
| 3     | 1592                  |
| 4     | 587                   |
| 5     | 706                   |
| 6     | 1206                  |
| 7     | 587                   |
| 8     | 1081                  |
| 9     | 1077                  |
| 10    | 224                   |
| 11    | 567                   |
| 12    | 699                   |

### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (10, 10)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 20
- 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 |
|:------:|:----:|:-------------:|:---------------:|
| 0.0012 | 1    | 0.4342        | -               |
| 0.0588 | 50   | 0.3693        | -               |
| 0.1176 | 100  | 0.3229        | -               |
| 0.1765 | 150  | 0.2888        | -               |
| 0.2353 | 200  | 0.2413        | -               |
| 0.2941 | 250  | 0.2136        | -               |
| 0.3529 | 300  | 0.1925        | -               |
| 0.4118 | 350  | 0.1672        | -               |
| 0.4706 | 400  | 0.1529        | -               |
| 0.5294 | 450  | 0.13          | -               |
| 0.5882 | 500  | 0.1112        | -               |
| 0.6471 | 550  | 0.0979        | -               |
| 0.7059 | 600  | 0.0873        | -               |
| 0.7647 | 650  | 0.0575        | -               |
| 0.8235 | 700  | 0.0482        | -               |
| 0.8824 | 750  | 0.0729        | -               |
| 0.9412 | 800  | 0.0411        | -               |
| 1.0    | 850  | 0.0542        | -               |
| 1.0588 | 900  | 0.0626        | -               |
| 1.1176 | 950  | 0.0385        | -               |
| 1.1765 | 1000 | 0.0373        | -               |
| 1.2353 | 1050 | 0.0276        | -               |
| 1.2941 | 1100 | 0.0205        | -               |
| 1.3529 | 1150 | 0.0275        | -               |
| 1.4118 | 1200 | 0.0226        | -               |
| 1.4706 | 1250 | 0.0231        | -               |
| 1.5294 | 1300 | 0.0273        | -               |
| 1.5882 | 1350 | 0.0183        | -               |
| 1.6471 | 1400 | 0.0158        | -               |
| 1.7059 | 1450 | 0.0112        | -               |
| 1.7647 | 1500 | 0.0068        | -               |
| 1.8235 | 1550 | 0.0098        | -               |
| 1.8824 | 1600 | 0.0047        | -               |
| 1.9412 | 1650 | 0.0053        | -               |
| 2.0    | 1700 | 0.0027        | -               |
| 2.0588 | 1750 | 0.0007        | -               |
| 2.1176 | 1800 | 0.0015        | -               |
| 2.1765 | 1850 | 0.0042        | -               |
| 2.2353 | 1900 | 0.002         | -               |
| 2.2941 | 1950 | 0.0018        | -               |
| 2.3529 | 2000 | 0.0023        | -               |
| 2.4118 | 2050 | 0.0025        | -               |
| 2.4706 | 2100 | 0.0014        | -               |
| 2.5294 | 2150 | 0.0007        | -               |
| 2.5882 | 2200 | 0.0005        | -               |
| 2.6471 | 2250 | 0.0042        | -               |
| 2.7059 | 2300 | 0.0022        | -               |
| 2.7647 | 2350 | 0.0028        | -               |
| 2.8235 | 2400 | 0.0004        | -               |
| 2.8824 | 2450 | 0.0003        | -               |
| 2.9412 | 2500 | 0.0009        | -               |
| 3.0    | 2550 | 0.0002        | -               |
| 3.0588 | 2600 | 0.0011        | -               |
| 3.1176 | 2650 | 0.001         | -               |
| 3.1765 | 2700 | 0.0003        | -               |
| 3.2353 | 2750 | 0.0006        | -               |
| 3.2941 | 2800 | 0.0034        | -               |
| 3.3529 | 2850 | 0.0002        | -               |
| 3.4118 | 2900 | 0.0012        | -               |
| 3.4706 | 2950 | 0.0004        | -               |
| 3.5294 | 3000 | 0.0004        | -               |
| 3.5882 | 3050 | 0.0002        | -               |
| 3.6471 | 3100 | 0.0002        | -               |
| 3.7059 | 3150 | 0.0002        | -               |
| 3.7647 | 3200 | 0.0001        | -               |
| 3.8235 | 3250 | 0.002         | -               |
| 3.8824 | 3300 | 0.0026        | -               |
| 3.9412 | 3350 | 0.0001        | -               |
| 4.0    | 3400 | 0.0001        | -               |
| 4.0588 | 3450 | 0.0001        | -               |
| 4.1176 | 3500 | 0.0003        | -               |
| 4.1765 | 3550 | 0.0001        | -               |
| 4.2353 | 3600 | 0.0005        | -               |
| 4.2941 | 3650 | 0.0002        | -               |
| 4.3529 | 3700 | 0.0003        | -               |
| 4.4118 | 3750 | 0.0001        | -               |
| 4.4706 | 3800 | 0.0025        | -               |
| 4.5294 | 3850 | 0.0003        | -               |
| 4.5882 | 3900 | 0.0003        | -               |
| 4.6471 | 3950 | 0.0002        | -               |
| 4.7059 | 4000 | 0.0005        | -               |
| 4.7647 | 4050 | 0.0002        | -               |
| 4.8235 | 4100 | 0.0022        | -               |
| 4.8824 | 4150 | 0.0001        | -               |
| 4.9412 | 4200 | 0.0001        | -               |
| 5.0    | 4250 | 0.0009        | -               |
| 5.0588 | 4300 | 0.0001        | -               |
| 5.1176 | 4350 | 0.0001        | -               |
| 5.1765 | 4400 | 0.0002        | -               |
| 5.2353 | 4450 | 0.0002        | -               |
| 5.2941 | 4500 | 0.0013        | -               |
| 5.3529 | 4550 | 0.0005        | -               |
| 5.4118 | 4600 | 0.0003        | -               |
| 5.4706 | 4650 | 0.0001        | -               |
| 5.5294 | 4700 | 0.0001        | -               |
| 5.5882 | 4750 | 0.0003        | -               |
| 5.6471 | 4800 | 0.0002        | -               |
| 5.7059 | 4850 | 0.0002        | -               |
| 5.7647 | 4900 | 0.0001        | -               |
| 5.8235 | 4950 | 0.0001        | -               |
| 5.8824 | 5000 | 0.0001        | -               |
| 5.9412 | 5050 | 0.0001        | -               |
| 6.0    | 5100 | 0.0001        | -               |
| 6.0588 | 5150 | 0.0001        | -               |
| 6.1176 | 5200 | 0.0009        | -               |
| 6.1765 | 5250 | 0.0017        | -               |
| 6.2353 | 5300 | 0.0           | -               |
| 6.2941 | 5350 | 0.0016        | -               |
| 6.3529 | 5400 | 0.0001        | -               |
| 6.4118 | 5450 | 0.0004        | -               |
| 6.4706 | 5500 | 0.0001        | -               |
| 6.5294 | 5550 | 0.0011        | -               |
| 6.5882 | 5600 | 0.0001        | -               |
| 6.6471 | 5650 | 0.0016        | -               |
| 6.7059 | 5700 | 0.0008        | -               |
| 6.7647 | 5750 | 0.0001        | -               |
| 6.8235 | 5800 | 0.0           | -               |
| 6.8824 | 5850 | 0.0           | -               |
| 6.9412 | 5900 | 0.0001        | -               |
| 7.0    | 5950 | 0.0001        | -               |
| 7.0588 | 6000 | 0.0001        | -               |
| 7.1176 | 6050 | 0.0001        | -               |
| 7.1765 | 6100 | 0.0001        | -               |
| 7.2353 | 6150 | 0.0           | -               |
| 7.2941 | 6200 | 0.0001        | -               |
| 7.3529 | 6250 | 0.0           | -               |
| 7.4118 | 6300 | 0.0008        | -               |
| 7.4706 | 6350 | 0.0           | -               |
| 7.5294 | 6400 | 0.0           | -               |
| 7.5882 | 6450 | 0.0           | -               |
| 7.6471 | 6500 | 0.0           | -               |
| 7.7059 | 6550 | 0.0004        | -               |
| 7.7647 | 6600 | 0.0           | -               |
| 7.8235 | 6650 | 0.0           | -               |
| 7.8824 | 6700 | 0.0           | -               |
| 7.9412 | 6750 | 0.0001        | -               |
| 8.0    | 6800 | 0.0           | -               |
| 8.0588 | 6850 | 0.0           | -               |
| 8.1176 | 6900 | 0.0           | -               |
| 8.1765 | 6950 | 0.0           | -               |
| 8.2353 | 7000 | 0.0           | -               |
| 8.2941 | 7050 | 0.0001        | -               |
| 8.3529 | 7100 | 0.0001        | -               |
| 8.4118 | 7150 | 0.0           | -               |
| 8.4706 | 7200 | 0.0           | -               |
| 8.5294 | 7250 | 0.0           | -               |
| 8.5882 | 7300 | 0.0           | -               |
| 8.6471 | 7350 | 0.0           | -               |
| 8.7059 | 7400 | 0.0           | -               |
| 8.7647 | 7450 | 0.0           | -               |
| 8.8235 | 7500 | 0.0           | -               |
| 8.8824 | 7550 | 0.0           | -               |
| 8.9412 | 7600 | 0.0           | -               |
| 9.0    | 7650 | 0.0           | -               |
| 9.0588 | 7700 | 0.0           | -               |
| 9.1176 | 7750 | 0.0           | -               |
| 9.1765 | 7800 | 0.0           | -               |
| 9.2353 | 7850 | 0.0           | -               |
| 9.2941 | 7900 | 0.0002        | -               |
| 9.3529 | 7950 | 0.0           | -               |
| 9.4118 | 8000 | 0.0           | -               |
| 9.4706 | 8050 | 0.0           | -               |
| 9.5294 | 8100 | 0.0           | -               |
| 9.5882 | 8150 | 0.0           | -               |
| 9.6471 | 8200 | 0.0           | -               |
| 9.7059 | 8250 | 0.0           | -               |
| 9.7647 | 8300 | 0.0           | -               |
| 9.8235 | 8350 | 0.0001        | -               |
| 9.8824 | 8400 | 0.0           | -               |
| 9.9412 | 8450 | 0.0           | -               |
| 10.0   | 8500 | 0.0           | -               |

### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.45.1
- 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.*
-->