Hugging Face's logo

mini1013
/
master_cate_bc9

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
Community
master_cate_bc9 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
c61145e verified
preview code
|
raw
history blame contribute delete
18.9 kB
metadata 
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 중탕기 젖병 국통 뷔페 휴대용 멜팅기 데우기 2칸 출산/육아 > 수유용품 > 보틀워머
  - text: 티지엠 실리콘 하트 쪽쪽이 일체형 공갈 노리개 젖꼭지 하트쪽쪽이_스노우 출산/육아 > 수유용품 > 노리개젖꼭지
  - text: >-
      제이앤제나 27쿠션 키즈 430백수 신생아부터 허리에 무리없는 분리형 백수_제나양_뒷면메쉬(커버+솜K27)세트_일반스트랩 출산/육아
      > 수유용품 > 수유쿠션/시트
  - text: '[모윰] 올실리콘 마카롱 쪽쪽이(전용케이스 포함) 2개세트 2단계(네추럴)_1단계(네추럴) 출산/육아 > 수유용품 > 기타수유용품'
  - text: >-
      앙뽀 실리콘 젖병 150ml 260ml 신생아 배앓이 젖병 출산 준비물 선물 실리콘 젖병 260ml_맘꼭지1단계(0~1개월)_화이트
      출산/육아 > 수유용품 > 젖병
metrics:
  - accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: mini1013/master_domain
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: accuracy
            value: 1
            name: Accuracy

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
1.0
  • '빕스 쪽쪽이 대니쉬 보헴 천연고무 신제품 꽃모양 노리개 공갈젖꼭지 1개+1개+보관 케이스 2단계(6~18개월)_세이지_블러쉬 출산/육아 > 수유용품 > 노리개젖꼭지'
  • '프리그 데이지 노리개 젖꼭지
0.0
  • '그로미미 컬러 핸들 밀크 출산/육아 > 수유용품 > 기타수유용품'
  • '분유 제조기 자동 우유 기계 이유식 간편 수유 B 출산/육아 > 수유용품 > 기타수유용품'
  • '릿첼 TLI 소프트 이유스푼세트2P (케이스포함) / 이유식스푼 릿첼 TLI 이유식볼(소) 99194 / 이유 출산/육아 > 수유용품 > 기타수유용품'
2.0
  • '엠피엘 모유저장팩 리필 출산/육아 > 수유용품 > 모유보관비닐팩'
  • '메델라 모유저장팩 50매 모유저장팩 100매 출산/육아 > 수유용품 > 모유보관비닐팩'
  • '모유저장팩 심플세트 바로모 mpl 30매 출산/육아 > 수유용품 > 모유보관비닐팩'
9.0
  • '스펙트라 유축기 깔때기 (와이드/일반형 흡입기) 소모품 일반형 흡입기세트_깔대기 M사이즈 (내경26mm 외경 83mm) 출산/육아 > 수유용품 > 유축기'
  • '[대여] 스펙트라 유축기 (깔대기+젖병 미사용제품) 충전용 휴대용 임대 특A급 휴대용 S9+ [본체+어뎁터+유축세트]_7-3. PA 젖병 세트 - L 사이즈_1개월 대여 출산/육아 > 수유용품 > 유축기'
  • '웨어러블 프리티 Free-T2 eco 유축기_핸즈프리, 휴대용 출산/육아 > 수유용품 > 유축기'
10.0
  • '헤겐 모유느낌 비중심 젖꼭지 단계선택 젖꼭지0단계 2P 출산/육아 > 수유용품 > 젖꼭지'
  • '헤겐 모유느낌 비중심 젖꼭지 1단계 2P 출산/육아 > 수유용품 > 젖꼭지'
  • '닥터브라운 내로우넥 옵션스플러스 젖꼭지 2P (P 1 2 3 4 Y-Cut 6종 중 선택) Y-CUT 2P (9개월~ 이유식/과즙용) 출산/육아 > 수유용품 > 젖꼭지'
11.0
  • '그로미미 PPSU 200ml 젖병 트윈팩 (크림베이지) 출산/육아 > 수유용품 > 젖병'
  • '하이비 PPSU 에잇벤트 배앓이방지 빨대 젖병 170ml 270ml 1. 170 트윈팩_수박볼빵 샌드_L(6개월 이상) 출산/육아 > 수유용품 > 젖병'
  • '하이비 PPSU 에잇벤트 배앓이방지 빨대 젖병 170ml 270ml 3. 170 트윈팩+핸들2P+추스트로우2P_다람쥐 화이트(11/13일부터 출고가능)_S(0개월 이상) 출산/육아 > 수유용품 > 젖병'
8.0
  • '유두 보호기 2개 실리콘 보호기 수유 커버 모유 06 Y 출산/육아 > 수유용품 > 유두케어/젖몸살용품'
  • '유두 보호기 모유 수유 커버 재사용 가능한 수유 패드 01 1Pcs 출산/육아 > 수유용품 > 유두케어/젖몸살용품'
  • '산모용(1개입)+교정용h(1개입)+교정용s(1개입) 호유방 니플업 함몰 유두 교정기 교정 산모 모유 수유 젖꼭지 꼭지 L(대): 15mm 출산/육아 > 수유용품 > 유두케어/젖몸살용품'
7.0
  • '더블하트 수유패드 60 135매 퍼펙션 모유저장팩 컴포트필 블루코어 출산준비물 06 퍼펙션 모유저장팩(200ml) 30x4팩 출산/육아 > 수유용품 > 수유패드'
  • '폴레드 프랭클린 안심+ 수유패드 3개 세트_3mm허니콤 출산/육아 > 수유용품 > 수유패드'
  • '아이앤비 수유패드 산후조리 모유수유 전후 대용량 100매 모유넘침방지 순간흡수 방수 출산/육아 > 수유용품 > 수유패드'
4.0
  • '모아케어 심플 BPA 프리 PP 분유케이스 크림_5단 출산/육아 > 수유용품 > 분유케이스'
  • '제이미로프트 밀키보틀 휴대용 여행용 분유통 힙 분유 소분통 간식 보관 케이스 밀키보틀 600ml_민트 출산/육아 > 수유용품 > 분유케이스'
  • '맘핸드슨 3단 분유케이스 B001 3단분유케이스(민트브라운) 출산/육아 > 수유용품 > 분유케이스'
6.0
  • '모유 수유쿠션 아기 신생아 역류방지쿠션 d자형 짱구베개 D자형_말리 출산/육아 > 수유용품 > 수유쿠션/시트'
  • '임산부바디필로우 임신축하선물 초기임산부 대형 자는 U타입 편안한 옆으로 겨자 출산/육아 > 수유용품 > 수유쿠션/시트'
  • '[제이앤제나] 아기 허리에 무리없는 신생아부터 커버분리 오리지널 역류방지쿠션 래빗 래빗_핑크(커버+솜)세트 출산/육아 > 수유용품 > 수유쿠션/시트'
5.0
  • '세맘스 수유가리개+파우치 01_스트라이프블랙 출산/육아 > 수유용품 > 수유가리개'
  • '수유가리개 모유 아기띠 가림막 여름 수유 가리개 덮개 트림천 9종 도트그레이 출산/육아 > 수유용품 > 수유가리개'
  • '수유가리개 수유커버 유모차햇빛가리개 우주선 출산/육아 > 수유용품 > 수유가리개'
3.0
  • '휴대용젖병워머 야외 다기능 물티슈 워머 온도조절 차량충전 캠핑워머 07 라운드 블랙 출산/육아 > 수유용품 > 보틀워머'
  • '줄무늬 겨울골프모자 겨울등산모자 낚시 군밤 레드 출산/육아 > 수유용품 > 보틀워머'
  • '캐릭터 입체 목도리-블랙 출산/육아 > 수유용품 > 보틀워머'

Evaluation

Metrics

Label Accuracy
all 1.0

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_bc9")
# Run inference
preds = model("중탕기 젖병 국통 뷔페 휴대용 멜팅기 데우기 2칸 출산/육아 > 수유용품 > 보틀워머")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 7 14.4119 29
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 70
4.0 70
5.0 70
6.0 70
7.0 70
8.0 70
9.0 70
10.0 70
11.0 70

Training Hyperparameters

  • batch_size: (256, 256)
  • num_epochs: (30, 30)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 50
  • body_learning_rate: (2e-05, 1e-05)
  • head_learning_rate: 0.01
  • loss: CosineSimilarityLoss
  • distance_metric: cosine_distance
  • margin: 0.25
  • end_to_end: False
  • use_amp: False
  • warmup_proportion: 0.1
  • l2_weight: 0.01
  • seed: 42
  • eval_max_steps: -1
  • load_best_model_at_end: False

Training Results

Epoch Step Training Loss Validation Loss
0.0061 1 0.4988 -
0.3030 50 0.4987 -
0.6061 100 0.4398 -
0.9091 150 0.1411 -
1.2121 200 0.0221 -
1.5152 250 0.0149 -
1.8182 300 0.0147 -
2.1212 350 0.008 -
2.4242 400 0.0071 -
2.7273 450 0.0069 -
3.0303 500 0.0003 -
3.3333 550 0.0 -
3.6364 600 0.0 -
3.9394 650 0.0 -
4.2424 700 0.0 -
4.5455 750 0.0 -
4.8485 800 0.0 -
5.1515 850 0.0 -
5.4545 900 0.0 -
5.7576 950 0.0 -
6.0606 1000 0.0 -
6.3636 1050 0.0 -
6.6667 1100 0.0 -
6.9697 1150 0.0 -
7.2727 1200 0.0 -
7.5758 1250 0.0 -
7.8788 1300 0.0 -
8.1818 1350 0.0 -
8.4848 1400 0.0 -
8.7879 1450 0.0 -
9.0909 1500 0.0 -
9.3939 1550 0.0 -
9.6970 1600 0.0 -
10.0 1650 0.0 -
10.3030 1700 0.0 -
10.6061 1750 0.0 -
10.9091 1800 0.0 -
11.2121 1850 0.0 -
11.5152 1900 0.0 -
11.8182 1950 0.0001 -
12.1212 2000 0.0 -
12.4242 2050 0.0 -
12.7273 2100 0.0 -
13.0303 2150 0.0 -
13.3333 2200 0.0 -
13.6364 2250 0.0 -
13.9394 2300 0.0 -
14.2424 2350 0.0 -
14.5455 2400 0.0 -
14.8485 2450 0.0 -
15.1515 2500 0.0 -
15.4545 2550 0.0 -
15.7576 2600 0.0 -
16.0606 2650 0.0 -
16.3636 2700 0.0 -
16.6667 2750 0.0001 -
16.9697 2800 0.0 -
17.2727 2850 0.0 -
17.5758 2900 0.0 -
17.8788 2950 0.0 -
18.1818 3000 0.0 -
18.4848 3050 0.0 -
18.7879 3100 0.0 -
19.0909 3150 0.0 -
19.3939 3200 0.0 -
19.6970 3250 0.0 -
20.0 3300 0.0 -
20.3030 3350 0.0 -
20.6061 3400 0.0 -
20.9091 3450 0.0 -
21.2121 3500 0.0 -
21.5152 3550 0.0 -
21.8182 3600 0.0 -
22.1212 3650 0.0 -
22.4242 3700 0.0 -
22.7273 3750 0.0 -
23.0303 3800 0.0 -
23.3333 3850 0.0 -
23.6364 3900 0.0 -
23.9394 3950 0.0 -
24.2424 4000 0.0 -
24.5455 4050 0.0 -
24.8485 4100 0.0 -
25.1515 4150 0.0 -
25.4545 4200 0.0 -
25.7576 4250 0.0 -
26.0606 4300 0.0 -
26.3636 4350 0.0 -
26.6667 4400 0.0 -
26.9697 4450 0.0 -
27.2727 4500 0.0 -
27.5758 4550 0.0 -
27.8788 4600 0.0 -
28.1818 4650 0.0 -
28.4848 4700 0.0 -
28.7879 4750 0.0 -
29.0909 4800 0.0 -
29.3939 4850 0.0 -
29.6970 4900 0.0 -
30.0 4950 0.0 -

Framework Versions

  • Python: 3.10.12
  • SetFit: 1.1.0
  • Sentence Transformers: 3.3.1
  • Transformers: 4.44.2
  • PyTorch: 2.2.0a0+81ea7a4
  • Datasets: 3.2.0
  • Tokenizers: 0.19.1

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}
}