mini1013/master_cate_bt_top6_test

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 Type: SetFit
• Sentence Transformer body: mini1013/master_domain
• Classification head: a LogisticRegression instance
• Maximum Sequence Length: 512 tokens
• Number of Classes: 8 classes

Model Sources

• Repository: SetFit on GitHub
• Paper: Efficient Few-Shot Learning Without Prompts
• Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
7	'모델링팩 제조 셀프 피부관리 용품 세트 스파츌러 할로윈분장 미용기구 분홍색 (#M)쿠팡 홈>뷰티>메이크업>베이스 메이크업>베이스 메이크업 세트 Coupang > 뷰티 > 메이크업 > 베이스 메이크업 > 베이스 메이크업 세트' '프린시아 공용기 로션통 30g 옵션없음 ssg > 뷰티 > 미용기기/소품 > 거울/용기/기타소품 ssg > 뷰티 > 미용기기/소품 > 아이소품 > 인조속눈썹' '[텐바이텐] 입생로랑 유광 레드 프레스티지 파우치 옵션선택_옵션선택 (#M)쿠팡 홈>뷰티>남성화장품>남성 쉐이빙 케어>애프터쉐이브 스킨/로션/크림 Coupang > 뷰티 > 남성화장품 > 남성 쉐이빙 케어 > 애프터쉐이브 스킨/로션/크림'
3	'토니모리 아이래쉬 컬러_동수원점_동수원점 아이래쉬 컬러 (#M)SSG.COM/메이크업/아이메이크업/아이섀도우/글리터/팔레트 ssg > 뷰티 > 메이크업 > 아이메이크업' '아리따움 아이돌 래쉬 프리미엄 9호리얼핏 (#M)홈>화장품/미용>뷰티소품>아이소품>속눈썹/속눈썹펌제 Naverstore > 화장품/미용 > 뷰티소품 > 아이소품 > 속눈썹/속눈썹펌제' '트위저맨 쁘띠 트위즈 족집게 세트 실버 × 1세트 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 화장품파우치/정리함 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 화장품파우치/정리함'
6	'토니모리 뿌리 볼륨 헤어 집게 (#M)쿠팡 홈>뷰티>헤어>헤어스타일링>헤어왁스 Coupang > 뷰티 > 로드샵 > 헤어 > 헤어스타일링 > 헤어왁스' '갤리포니아 미니 갤리포니아 미니 ssg > 뷰티 > 메이크업 > 치크메이크업;ssg > 뷰티 > 메이크업 > 립메이크업 > 립밤 ssg > 뷰티 > 메이크업 > 립메이크업' '보다나 두피케어 샴푸 브러쉬 보다나 두피케어 샴푸 브러쉬 홈>미용소품>헤어소품>헤어브러시;(#M)홈>헤어케어>헤어브러쉬>두피용 OLIVEYOUNG > 미용소품 > 헤어/바디 > 헤어브러시'
0	'천연 자초 립밤 만들기 키트 diy 향 선택(8개) 사과+에탄올20ml (#M)홈>비누&립밤&세제 만들기>만들기키트 Naverstore > 화장품/미용 > 색조메이크업 > 립케어'
5	'헤라 블랙 쿠션 제로 비티 핏 퍼프 2입 파워풀한 핏팅력 균일한 밀착 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 퍼프 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 퍼프' '[티타늄] 더마 MTS 롤러 헤어 두피 540 0.25mm 0.5mm 니들 앰플 티타늄_고급형_0.75mm 홈>화장품/미용>뷰티소품>페이스소품>마사지도구;홈>전체상품;(#M)홈>MTS 도구 Naverstore > 화장품/미용 > 뷰티소품 > 페이스소품 > 마사지도구' '헤라 블랙 쿠션 퍼프 x 10개/설화수 쿠션 퍼프 x 10개 헤라블랙쿠션퍼프 x 5개 (#M)홈>화장품/미용>뷰티소품>페이스소품>퍼프 Naverstore > 화장품/미용 > 뷰티소품 > 페이스소품 > 퍼프'
1	'[단품구매] 해피림 아이블랜딩 세트 5종 (10%할인) 235 펜슬 브러쉬 (#M)화장품/미용>뷰티소품>메이크업브러시>아이브러시 Naverstore > 화장품/미용 > 뷰티소품 > 메이크업브러시 > 아이브러시' '[안씨브러쉬] 여행용 블러셔, 파우더 브러쉬 - VELVET04 (맑은발색) 홈>라인별>(new) VELVET (Premium);(#M)홈>라인별>VELVET (Premium) Naverstore > 화장품/미용 > 뷰티소품 > 메이크업브러시 > 페이스브러시' '[안씨브러쉬] 스몰 아이섀도, 블렌딩 아이섀도 브러쉬 - Eve316 (#M)홈>용도별>아이메이크업>스몰 - 메인컬러, 중간컬러 Naverstore > 화장품/미용 > 뷰티소품 > 메이크업브러시 > 아이브러시'
2	'바버샵 커트보 미용실 가운 컷트보 드라이보 파마보 염색보 넥셔터 03. 바버샵 그린 스트라이프 홈>전체상품;(#M)홈>커트보,앞치마 Naverstore > 화장품/미용 > 뷰티소품 > 헤어소품 > 기타헤어소품' '_ [!BEST_쿠_팡_픽!] _ 롱바디 브러시 각도 조절 가능 등브러쉬 목욕 용품샤워타올목욕용품 _ 5F9AD0 _ 00000EA_goldspo_on mall ★수저픽★ 베이지_JW (#M)쿠팡 홈>생활용품>헤어/바디/세안>샤워/입욕용품>입욕제>바스밤 Coupang > 뷰티 > 바디 > 샤워/입욕용품 > 입욕제' '롱바디 브러시 각도 조절 가능 등브러쉬 목욕 용품 SQ+6242EA 밀키 블루 (#M)쿠팡 홈>생활용품>헤어/바디/세안>샤워/입욕용품>입욕제>바스밤 Coupang > 뷰티 > 바디 > 샤워/입욕용품 > 입욕제'
4	'타투바늘 DiRK 더크 카트리지 니들 라이너, 매그넘, 쉐더 반영구 라운드 매그넘_1211 (#M)홈>화장품/미용>뷰티소품>타투 Naverstore > 화장품/미용 > 뷰티소품 > 타투' '[스킨알엑스] [타투미] 브레이슬릿 Chandelier Bracelet LotteOn > 뷰티 > 바디케어 > 바디케어세트 LotteOn > 뷰티 > 바디케어 > 바디케어세트' '5초눈썹타투스티커5초11쌍 눈썹문신스티커 눈썹타투 눈썹 E14 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬'

Evaluation

Metrics

Label	Accuracy
all	0.8526

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_bt_top6_test")
# Run inference
preds = model("에뛰드하우스 실키 퍼프 화장솜 80개입 × 1개 (#M)쿠팡 홈>뷰티>뷰티소품>클렌징소품>화장솜/면봉 Coupang > 뷰티 > 뷰티소품 > 화장솜/면봉")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	11	20.66	66

Label	Training Sample Count
0	1
1	50
2	50
3	50
4	50
5	50
6	49
7	50

Training Hyperparameters

• batch_size: (64, 64)
• num_epochs: (30, 30)
• max_steps: -1
• sampling_strategy: oversampling
• num_iterations: 100
• 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
0.0018	1	0.4049	-
0.0914	50	0.4426	-
0.1828	100	0.4367	-
0.2742	150	0.4123	-
0.3656	200	0.3927	-
0.4570	250	0.3631	-
0.5484	300	0.3095	-
0.6399	350	0.2743	-
0.7313	400	0.2444	-
0.8227	450	0.2342	-
0.9141	500	0.2188	-
1.0055	550	0.2089	-
1.0969	600	0.1942	-
1.1883	650	0.1751	-
1.2797	700	0.1564	-
1.3711	750	0.1525	-
1.4625	800	0.1342	-
1.5539	850	0.1252	-
1.6453	900	0.1124	-
1.7367	950	0.1022	-
1.8282	1000	0.0877	-
1.9196	1050	0.0611	-
2.0110	1100	0.0447	-
2.1024	1150	0.0353	-
2.1938	1200	0.0305	-
2.2852	1250	0.0321	-
2.3766	1300	0.0299	-
2.4680	1350	0.0292	-
2.5594	1400	0.0307	-
2.6508	1450	0.0328	-
2.7422	1500	0.0277	-
2.8336	1550	0.0226	-
2.9250	1600	0.0103	-
3.0165	1650	0.007	-
3.1079	1700	0.0024	-
3.1993	1750	0.0012	-
3.2907	1800	0.0012	-
3.3821	1850	0.0007	-
3.4735	1900	0.0007	-
3.5649	1950	0.0003	-
3.6563	2000	0.0006	-
3.7477	2050	0.0009	-
3.8391	2100	0.0005	-
3.9305	2150	0.0005	-
4.0219	2200	0.001	-
4.1133	2250	0.0044	-
4.2048	2300	0.004	-
4.2962	2350	0.0042	-
4.3876	2400	0.0053	-
4.4790	2450	0.0061	-
4.5704	2500	0.008	-
4.6618	2550	0.0057	-
4.7532	2600	0.0063	-
4.8446	2650	0.0064	-
4.9360	2700	0.0056	-
5.0274	2750	0.0033	-
5.1188	2800	0.0017	-
5.2102	2850	0.0018	-
5.3016	2900	0.0012	-
5.3931	2950	0.0007	-
5.4845	3000	0.0026	-
5.5759	3050	0.0038	-
5.6673	3100	0.0019	-
5.7587	3150	0.0009	-
5.8501	3200	0.0005	-
5.9415	3250	0.0002	-
6.0329	3300	0.0002	-
6.1243	3350	0.001	-
6.2157	3400	0.0003	-
6.3071	3450	0.001	-
6.3985	3500	0.0003	-
6.4899	3550	0.0008	-
6.5814	3600	0.0	-
6.6728	3650	0.0006	-
6.7642	3700	0.0005	-
6.8556	3750	0.0003	-
6.9470	3800	0.0004	-
7.0384	3850	0.002	-
7.1298	3900	0.0012	-
7.2212	3950	0.0005	-
7.3126	4000	0.0025	-
7.4040	4050	0.0029	-
7.4954	4100	0.0017	-
7.5868	4150	0.0006	-
7.6782	4200	0.0002	-
7.7697	4250	0.0008	-
7.8611	4300	0.0003	-
7.9525	4350	0.0005	-
8.0439	4400	0.0003	-
8.1353	4450	0.0005	-
8.2267	4500	0.0012	-
8.3181	4550	0.0003	-
8.4095	4600	0.0003	-
8.5009	4650	0.0008	-
8.5923	4700	0.001	-
8.6837	4750	0.0005	-
8.7751	4800	0.0003	-
8.8665	4850	0.0005	-
8.9580	4900	0.0002	-
9.0494	4950	0.0003	-
9.1408	5000	0.0004	-
9.2322	5050	0.0006	-
9.3236	5100	0.0003	-
9.4150	5150	0.0003	-
9.5064	5200	0.0002	-
9.5978	5250	0.0006	-
9.6892	5300	0.0008	-
9.7806	5350	0.0006	-
9.8720	5400	0.0003	-
9.9634	5450	0.0005	-
10.0548	5500	0.0005	-
10.1463	5550	0.0003	-
10.2377	5600	0.0005	-
10.3291	5650	0.0005	-
10.4205	5700	0.0005	-
10.5119	5750	0.0005	-
10.6033	5800	0.0006	-
10.6947	5850	0.0003	-
10.7861	5900	0.0002	-
10.8775	5950	0.0008	-
10.9689	6000	0.0005	-
11.0603	6050	0.0002	-
11.1517	6100	0.0003	-
11.2431	6150	0.0009	-
11.3346	6200	0.0006	-
11.4260	6250	0.0003	-
11.5174	6300	0.0005	-
11.6088	6350	0.0002	-
11.7002	6400	0.0005	-
11.7916	6450	0.0005	-
11.8830	6500	0.0	-
11.9744	6550	0.0008	-
12.0658	6600	0.0008	-
12.1572	6650	0.0005	-
12.2486	6700	0.0003	-
12.3400	6750	0.0002	-
12.4314	6800	0.0006	-
12.5229	6850	0.0003	-
12.6143	6900	0.0005	-
12.7057	6950	0.0029	-
12.7971	7000	0.0013	-
12.8885	7050	0.0038	-
12.9799	7100	0.0029	-
13.0713	7150	0.0011	-
13.1627	7200	0.0009	-
13.2541	7250	0.0004	-
13.3455	7300	0.0002	-
13.4369	7350	0.0018	-
13.5283	7400	0.0044	-
13.6197	7450	0.0007	-
13.7112	7500	0.0005	-
13.8026	7550	0.0005	-
13.8940	7600	0.0006	-
13.9854	7650	0.0003	-
14.0768	7700	0.0005	-
14.1682	7750	0.0003	-
14.2596	7800	0.0005	-
14.3510	7850	0.0003	-
14.4424	7900	0.0003	-
14.5338	7950	0.0005	-
14.6252	8000	0.0009	-
14.7166	8050	0.0	-
14.8080	8100	0.0005	-
14.8995	8150	0.0005	-
14.9909	8200	0.0008	-
15.0823	8250	0.0003	-
15.1737	8300	0.0003	-
15.2651	8350	0.0009	-
15.3565	8400	0.0003	-
15.4479	8450	0.0003	-
15.5393	8500	0.0002	-
15.6307	8550	0.0003	-
15.7221	8600	0.0006	-
15.8135	8650	0.0006	-
15.9049	8700	0.0006	-
15.9963	8750	0.0003	-
16.0878	8800	0.0008	-
16.1792	8850	0.0003	-
16.2706	8900	0.0002	-
16.3620	8950	0.0003	-
16.4534	9000	0.0008	-
16.5448	9050	0.0002	-
16.6362	9100	0.0002	-
16.7276	9150	0.0009	-
16.8190	9200	0.0008	-
16.9104	9250	0.0003	-
17.0018	9300	0.0002	-
17.0932	9350	0.0005	-
17.1846	9400	0.0006	-
17.2761	9450	0.0005	-
17.3675	9500	0.0008	-
17.4589	9550	0.0003	-
17.5503	9600	0.0005	-
17.6417	9650	0.0006	-
17.7331	9700	0.0006	-
17.8245	9750	0.0005	-
17.9159	9800	0.0002	-
18.0073	9850	0.0002	-
18.0987	9900	0.0003	-
18.1901	9950	0.0036	-
18.2815	10000	0.0007	-
18.3729	10050	0.0008	-
18.4644	10100	0.0006	-
18.5558	10150	0.0005	-
18.6472	10200	0.0003	-
18.7386	10250	0.0006	-
18.8300	10300	0.0006	-
18.9214	10350	0.0003	-
19.0128	10400	0.0005	-
19.1042	10450	0.0003	-
19.1956	10500	0.0005	-
19.2870	10550	0.0006	-
19.3784	10600	0.0003	-
19.4698	10650	0.0003	-
19.5612	10700	0.0002	-
19.6527	10750	0.0008	-
19.7441	10800	0.0006	-
19.8355	10850	0.0005	-
19.9269	10900	0.0003	-
20.0183	10950	0.0005	-
20.1097	11000	0.0002	-
20.2011	11050	0.0002	-
20.2925	11100	0.0006	-
20.3839	11150	0.0006	-
20.4753	11200	0.0008	-
20.5667	11250	0.0003	-
20.6581	11300	0.0005	-
20.7495	11350	0.0002	-
20.8410	11400	0.0003	-
20.9324	11450	0.0005	-
21.0238	11500	0.0006	-
21.1152	11550	0.0002	-
21.2066	11600	0.0003	-
21.2980	11650	0.0008	-
21.3894	11700	0.0008	-
21.4808	11750	0.0002	-
21.5722	11800	0.0005	-
21.6636	11850	0.0005	-
21.7550	11900	0.0008	-
21.8464	11950	0.0005	-
21.9378	12000	0.0	-
22.0293	12050	0.0003	-
22.1207	12100	0.0002	-
22.2121	12150	0.0003	-
22.3035	12200	0.0005	-
22.3949	12250	0.0003	-
22.4863	12300	0.0005	-
22.5777	12350	0.0008	-
22.6691	12400	0.0002	-
22.7605	12450	0.0002	-
22.8519	12500	0.0006	-
22.9433	12550	0.0009	-
23.0347	12600	0.0006	-
23.1261	12650	0.0006	-
23.2176	12700	0.0008	-
23.3090	12750	0.0003	-
23.4004	12800	0.0005	-
23.4918	12850	0.0003	-
23.5832	12900	0.0005	-
23.6746	12950	0.0006	-
23.7660	13000	0.0005	-
23.8574	13050	0.0003	-
23.9488	13100	0.0002	-
24.0402	13150	0.0002	-
24.1316	13200	0.0005	-
24.2230	13250	0.0008	-
24.3144	13300	0.0003	-
24.4059	13350	0.0006	-
24.4973	13400	0.0008	-
24.5887	13450	0.0003	-
24.6801	13500	0.0002	-
24.7715	13550	0.0002	-
24.8629	13600	0.0005	-
24.9543	13650	0.0005	-
25.0457	13700	0.0006	-
25.1371	13750	0.0003	-
25.2285	13800	0.0005	-
25.3199	13850	0.0	-
25.4113	13900	0.0005	-
25.5027	13950	0.0009	-
25.5941	14000	0.0003	-
25.6856	14050	0.0003	-
25.7770	14100	0.0003	-
25.8684	14150	0.0005	-
25.9598	14200	0.0003	-
26.0512	14250	0.0011	-
26.1426	14300	0.0	-
26.2340	14350	0.0005	-
26.3254	14400	0.0014	-
26.4168	14450	0.0002	-
26.5082	14500	0.0003	-
26.5996	14550	0.0003	-
26.6910	14600	0.0008	-
26.7824	14650	0.0003	-
26.8739	14700	0.0	-
26.9653	14750	0.0003	-
27.0567	14800	0.0003	-
27.1481	14850	0.0008	-
27.2395	14900	0.0005	-
27.3309	14950	0.0003	-
27.4223	15000	0.0002	-
27.5137	15050	0.0006	-
27.6051	15100	0.0	-
27.6965	15150	0.0005	-
27.7879	15200	0.0003	-
27.8793	15250	0.0003	-
27.9707	15300	0.0012	-
28.0622	15350	0.0003	-
28.1536	15400	0.0006	-
28.2450	15450	0.0005	-
28.3364	15500	0.0003	-
28.4278	15550	0.0002	-
28.5192	15600	0.0011	-
28.6106	15650	0.0003	-
28.7020	15700	0.0002	-
28.7934	15750	0.0005	-
28.8848	15800	0.0005	-
28.9762	15850	0.0006	-
29.0676	15900	0.0	-
29.1590	15950	0.0	-
29.2505	16000	0.0002	-
29.3419	16050	0.0003	-
29.4333	16100	0.0008	-
29.5247	16150	0.0006	-
29.6161	16200	0.0005	-
29.7075	16250	0.0005	-
29.7989	16300	0.0008	-
29.8903	16350	0.0006	-
29.9817	16400	0.0005	-

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}
}