---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 전동 스케이트보드 원격제어 4륜 롱보드 성인 스포츠/레저>스케이트/보드/롤러>스케이트보드
- text: 핑거 서핑보드 장난감 손가락 지판 미니 생일 파티 스포츠/레저>스케이트/보드/롤러>핑거보드
- text: CCS 로고크루저 스케이트보드데크 27 x 8 00 스포츠/레저>스케이트/보드/롤러>스케이트보드
- text: 롤러블레이드 Rollerblade Zetrablade 여성용 성인 피트니스 인라인 스케이트 라이트 여성용 스포츠/레저>인라인스케이트>성인용
- text: 전기 스케이트 보드 초보 초보자 입문용 전동 크루져 취미 출퇴근 스포츠/레저>스케이트/보드/롤러>스케이트보드
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:** 8 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                                                                                                                                                                                                                                          |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 4.0   | <ul><li>'휠라 어린이 인라인 스케이트 롤러 브레이드 스포츠/레저>인라인스케이트>주니어'</li><li>'O휠러스 글리터링 롤러스케이트 WR120 스포츠/레저>인라인스케이트>성인용'</li><li>'아동 롤러블레이드 초등학생 인라인스케이트 사이즈조절형 스포츠/레저>인라인스케이트>주니어'</li></ul>                                                                     |
| 1.0   | <ul><li>'전동롱보드 초보 스케이드 성인용 크루저 전기 스포츠/레저>스케이트/보드/롤러>스케이트보드'</li><li>'롱보드 샵 스케이트 초보자 휠 댄스 스트리트 전문 성인 4륜 스포츠/레저>스케이트/보드/롤러>스케이트보드'</li><li>'스네이크보드 보드 S 슬라이드 입문용 어린이 연습용 성인용 스포츠/레저>스케이트/보드/롤러>스네이크보드'</li></ul>                                    |
| 0.0   | <ul><li>'전동 휠리스 플래시 바퀴달린 롤러 스케이트 불빛 신발 킥보드 4륜 스포츠/레저>스케이트/보드/롤러>롤러슈즈'</li><li>'성인 발광 롤러스케이트 플래시 캔버스 남녀공용 휠 바퀴 스포츠/레저>스케이트/보드/롤러>롤러슈즈'</li><li>'인라인스케이트 성인용 어린이용 롤러슈즈 힐리스 운동화 바퀴달린신발 휠리스 신발 스포츠/레저>스케이트/보드/롤러>롤러슈즈'</li></ul>                      |
| 3.0   | <ul><li>'Skaboots Walkable 하키 스케이트 가드 - 라지 사이즈 5-9 5 최대 블레이드 길이 28 11 129365 스포츠/레저>스케이트/보드/롤러>아이스스케이트'</li><li>'피겨스케이트 커버 소프트 보호커버 동물 소커 털날집 블레이드 스포츠/레저>스케이트/보드/롤러>아이스스케이트'</li><li>'아이스하키 장비 성인 가방 스포츠/레저>스케이트/보드/롤러>아이스스케이트'</li></ul>        |
| 2.0   | <ul><li>'FREEDARE 스케이트보드 휠 83a 베어링 스페이서 크루저 휠 4개입 스포츠/레저>스케이트/보드/롤러>스케이트보드용품'</li><li>'스케이트보드 진열대 거치대 양면 보드 스탠드 행거 스포츠/레저>스케이트/보드/롤러>스케이트보드용품'</li><li>'48V 36V 충전기 XLR 소켓 4핀 전기 자전거 킥보드 항공 헤드 출력 42V 36V2A 스포츠/레저>스케이트/보드/롤러>스케이트보드용품'</li></ul> |
| 7.0   | <ul><li>'핑거보드 연습장 트랙 손가락 스케이트 소품 스포츠/레저>스케이트/보드/롤러>핑거보드'</li><li>'핑거보드 데크 트랙 키트 미끄럼 전문가용 손가락 블랙리버 스래셔 내추럴스테인 스포츠/레저>스케이트/보드/롤러>핑거보드'</li><li>'핑거보드판 슬로프 장소 미니 손가락 기물 세트 스케이트 장난감 꾸미기 스포츠/레저>스케이트/보드/롤러>핑거보드'</li></ul>                            |
| 5.0   | <ul><li>'롤러블레이드 어그레시브 초보 전문가용 사이즈조절 스포츠/레저>스케이트/보드/롤러>인라인용품'</li><li>'스나이퍼코리아 발로타 불바퀴 씽씽카 발광바퀴 자전거 퀵보드 키즈바이크 보조바퀴 킥보드 LED바퀴 스포츠/레저>스케이트/보드/롤러>인라인용품'</li><li>'휠러스 롤러스케이트 바퀴 끈 커스텀 매장정품 161561 스포츠/레저>스케이트/보드/롤러>인라인용품'</li></ul>                  |
| 6.0   | <ul><li>'10 적립홀리 접이식 듀얼브레이크 트라이더 W-3000 스포츠/레저>스케이트/보드/롤러>트라이스키'</li><li>'이브살로몽 YVES SALOMON 벨티드 스키 수트 여성 P00867207 스포츠/레저>스케이트/보드/롤러>트라이스키'</li><li>'K2 토크백 88 스키 2022 여자 160 스포츠/레저>스케이트/보드/롤러>트라이스키'</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_sl17")
# Run inference
preds = model("전동 스케이트보드 원격제어 4륜 롱보드 성인 스포츠/레저>스케이트/보드/롤러>스케이트보드")
```

<!--
### 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   | 2   | 9.5663 | 23  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 70                    |
| 1.0   | 70                    |
| 2.0   | 70                    |
| 3.0   | 70                    |
| 4.0   | 70                    |
| 5.0   | 15                    |
| 6.0   | 70                    |
| 7.0   | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0101  | 1    | 0.4772        | -               |
| 0.5051  | 50   | 0.4694        | -               |
| 1.0101  | 100  | 0.2249        | -               |
| 1.5152  | 150  | 0.0726        | -               |
| 2.0202  | 200  | 0.0074        | -               |
| 2.5253  | 250  | 0.0004        | -               |
| 3.0303  | 300  | 0.0001        | -               |
| 3.5354  | 350  | 0.0           | -               |
| 4.0404  | 400  | 0.0           | -               |
| 4.5455  | 450  | 0.0001        | -               |
| 5.0505  | 500  | 0.0           | -               |
| 5.5556  | 550  | 0.0           | -               |
| 6.0606  | 600  | 0.0           | -               |
| 6.5657  | 650  | 0.0           | -               |
| 7.0707  | 700  | 0.0           | -               |
| 7.5758  | 750  | 0.0           | -               |
| 8.0808  | 800  | 0.0           | -               |
| 8.5859  | 850  | 0.0           | -               |
| 9.0909  | 900  | 0.0           | -               |
| 9.5960  | 950  | 0.0           | -               |
| 10.1010 | 1000 | 0.0           | -               |
| 10.6061 | 1050 | 0.0           | -               |
| 11.1111 | 1100 | 0.0           | -               |
| 11.6162 | 1150 | 0.0           | -               |
| 12.1212 | 1200 | 0.0           | -               |
| 12.6263 | 1250 | 0.0           | -               |
| 13.1313 | 1300 | 0.0           | -               |
| 13.6364 | 1350 | 0.0           | -               |
| 14.1414 | 1400 | 0.0           | -               |
| 14.6465 | 1450 | 0.0           | -               |
| 15.1515 | 1500 | 0.0           | -               |
| 15.6566 | 1550 | 0.0           | -               |
| 16.1616 | 1600 | 0.0           | -               |
| 16.6667 | 1650 | 0.0           | -               |
| 17.1717 | 1700 | 0.0           | -               |
| 17.6768 | 1750 | 0.0           | -               |
| 18.1818 | 1800 | 0.0           | -               |
| 18.6869 | 1850 | 0.0           | -               |
| 19.1919 | 1900 | 0.0           | -               |
| 19.6970 | 1950 | 0.0           | -               |
| 20.2020 | 2000 | 0.0           | -               |
| 20.7071 | 2050 | 0.0           | -               |
| 21.2121 | 2100 | 0.0           | -               |
| 21.7172 | 2150 | 0.0           | -               |
| 22.2222 | 2200 | 0.0           | -               |
| 22.7273 | 2250 | 0.0           | -               |
| 23.2323 | 2300 | 0.0           | -               |
| 23.7374 | 2350 | 0.0           | -               |
| 24.2424 | 2400 | 0.0           | -               |
| 24.7475 | 2450 | 0.0           | -               |
| 25.2525 | 2500 | 0.0           | -               |
| 25.7576 | 2550 | 0.0           | -               |
| 26.2626 | 2600 | 0.0           | -               |
| 26.7677 | 2650 | 0.0           | -               |
| 27.2727 | 2700 | 0.0           | -               |
| 27.7778 | 2750 | 0.0           | -               |
| 28.2828 | 2800 | 0.0           | -               |
| 28.7879 | 2850 | 0.0           | -               |
| 29.2929 | 2900 | 0.0           | -               |
| 29.7980 | 2950 | 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.*
-->