README.md

---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 쉬즈홈 썬키즈 시어서커 차렵이불 베개세트 S 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트
- text: 침구 이불베개세트 구스 밍크 홑이불토퍼세트 여름용 2컬러 가구/인테리어>침구세트>이불패드세트>슈퍼싱글이불패드세트
- text: Q아라벨르 에린 극세사 침구세트 가구/인테리어>침구세트>이불베개세트>더블/퀸이불베개세트
- text: 아망떼 아르카나 먼지없는 지퍼형 차렵이불커버 패드세트 가구/인테리어>침구세트>이불패드세트>슈퍼싱글이불패드세트
- text: 세사 SESA 원스 알러지케어 이불베개세트 Q 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트
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: 1.0
      name: Accuracy
---

# 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:** 6 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                                                                                                                                                                                                                                       |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 0.0   | <ul><li>'파코홈 굿메이드 300T 60수샤틴 홑겹이불커버 매트풀세트 SK 가구/인테리어>침구세트>매트커버세트>킹매트커버세트'</li><li>'마이하우스 알러지케어 디노랜드 키즈 사계절 이불 풀세트 S/SS 가구/인테리어>침구세트>매트커버세트>슈퍼싱글매트커버세트'</li><li>'마이하우스 알러지케어 래빗도트 핑크 키즈 차렵이불 풀세트 S/SS 가구/인테리어>침구세트>매트커버세트>슈퍼싱글매트커버세트'</li></ul> |
| 5.0   | <ul><li>'한스데코 솔리드 극세사 차렵이불 세트 슈퍼싱글 1042880708 가구/인테리어>침구세트>한실예단세트'</li><li>'더이픽 바른 수면자세 서포트 무릎쿠션 메모리폼 쿠션 KA-A11125 가구/인테리어>침구세트>한실예단세트'</li><li>'특급 순면 꽃신상자 강면 꽃길이 솜털 수제솜 이불 속통 면주머니 목화솜 벌크업 면화 솜옷 가구/인테리어>침구세트>한실예단세트'</li></ul>              |
| 2.0   | <ul><li>'설렘하우스 곰탱이 소프트 마이크로 사계절 이불베개세트 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트'</li><li>'믹스앤매치 에센셜 스트라이프 듀라론 냉감 여름 차렵이불 베개커버 세트 Q 가구/인테리어>침구세트>이불베개세트>더블/퀸이불베개세트'</li><li>'드로잉에이미 drawing AMY 삐삐 차렵 이불 세트 가구/인테리어>침구세트>이불베개세트>싱글이불베개세트'</li></ul>         |
| 3.0   | <ul><li>'파르페 파르페by알레르망 마틴 알러지케어 다운필 차렵이불패드세트 S 가구/인테리어>침구세트>이불패드세트>슈퍼싱글이불패드세트'</li><li>'운현궁 샤커 보니 패드세트Q 가구/인테리어>침구세트>이불패드세트>더블/퀸이불패드세트'</li><li>'레노마홈 뮤이모달 차렵이불 패드세트 Q 여름용 가구/인테리어>침구세트>이불패드세트>더블/퀸이불패드세트'</li></ul>                           |
| 1.0   | <ul><li>'아망떼 15cm 더 커진 허밍가든 플라워 순면광목 차렵이불 요세트 Q 가구/인테리어>침구세트>요이불세트>2/3인용'</li><li>'아망떼 리틀가든 순면 차렵이불 요세트 SS 가구/인테리어>침구세트>요이불세트>1인용'</li><li>'아망떼 도티야 세미마이크로 차렵이불 요세트 Q 가구/인테리어>침구세트>요이불세트>2/3인용'</li></ul>                                      |
| 4.0   | <ul><li>'라마 스커트 침대커버 세트 Q 가구/인테리어>침구세트>침대커버세트>더블/퀸침대커버세트'</li><li>'클라모프 텐셀 호텔 시트 커버 세트 Q 가구/인테리어>침구세트>침대커버세트>더블/퀸침대커버세트'</li><li>'러빙랩 다비치 레이스 침대커버 세트 Q 가구/인테리어>침구세트>침대커버세트>더블/퀸침대커버세트'</li></ul>                                              |

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 1.0      |

## 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_fi12")
# Run inference
preds = model("Q아라벨르 에린 극세사 침구세트 가구/인테리어>침구세트>이불베개세트>더블/퀸이불베개세트")
```

<!--
### 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   | 8.4207 | 20  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 48                    |
| 1.0   | 7                     |
| 2.0   | 70                    |
| 3.0   | 70                    |
| 4.0   | 6                     |
| 5.0   | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0189  | 1    | 0.4779        | -               |
| 0.9434  | 50   | 0.4942        | -               |
| 1.8868  | 100  | 0.3341        | -               |
| 2.8302  | 150  | 0.012         | -               |
| 3.7736  | 200  | 0.0006        | -               |
| 4.7170  | 250  | 0.0005        | -               |
| 5.6604  | 300  | 0.0007        | -               |
| 6.6038  | 350  | 0.0005        | -               |
| 7.5472  | 400  | 0.0007        | -               |
| 8.4906  | 450  | 0.0004        | -               |
| 9.4340  | 500  | 0.0004        | -               |
| 10.3774 | 550  | 0.0           | -               |
| 11.3208 | 600  | 0.0           | -               |
| 12.2642 | 650  | 0.0           | -               |
| 13.2075 | 700  | 0.0           | -               |
| 14.1509 | 750  | 0.0           | -               |
| 15.0943 | 800  | 0.0           | -               |
| 16.0377 | 850  | 0.0           | -               |
| 16.9811 | 900  | 0.0           | -               |
| 17.9245 | 950  | 0.0           | -               |
| 18.8679 | 1000 | 0.0           | -               |
| 19.8113 | 1050 | 0.0           | -               |
| 20.7547 | 1100 | 0.0           | -               |
| 21.6981 | 1150 | 0.0           | -               |
| 22.6415 | 1200 | 0.0           | -               |
| 23.5849 | 1250 | 0.0           | -               |
| 24.5283 | 1300 | 0.0           | -               |
| 25.4717 | 1350 | 0.0           | -               |
| 26.4151 | 1400 | 0.0           | -               |
| 27.3585 | 1450 | 0.0           | -               |
| 28.3019 | 1500 | 0.0           | -               |
| 29.2453 | 1550 | 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
```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.*
-->