mini1013/master_cate_sl20

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: 14 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
0.0	'마레스 스마트 다이브 컴퓨터 스포츠/레저>스킨스쿠버>게이지' '2pcs 스쿠버 다이빙 고압 HP 스위블 스풀 WO SPG용 게이지 스포츠/레저>스킨스쿠버>게이지' '순토 SUUNTO PM-5 클리노미터 레귤러 pm-5 360 SS011096010 스포츠/레저>스킨스쿠버>게이지'
3.0	'메이트로닉스용 클라이밍 링 돌고래 M200 M400 M500 수영장 로봇 휠 커버 클라이밍 링 교체 4 개 6101611-R4 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품' '스테인리스강 수중 프로브 내구성 딩 스틱 다이빙 포인터 액세서리 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품' 'DOUBLE K 더블케이 더블케이 재규어R 오로라 BK- 다이빙마스크 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'
7.0	'스쿠버프로 스쿠바프로 레귤레이터호흡기 MK11 C370 스포츠/레저>스킨스쿠버>레귤레이터' 'DIDEEP 스쿠버 다이빙 산소탱크 미니 산소통 호흡기 입문자 스노클링 탱크 스포츠/레저>스킨스쿠버>레귤레이터' '스쿠버프로 스쿠바프로 레귤레이터 호흡기 EVO S620 X-TI MK25T 스포츠/레저>스킨스쿠버>레귤레이터'
5.0	'다이빙헤어밴드 스쿠버 후드 잠수 프리다이빙 머리띠 스포츠/레저>스킨스쿠버>다이빙슈트' '여성 잠수복 원피스 스노쿨링 서핑 다이빙 슈트 D 스포츠/레저>스킨스쿠버>다이빙슈트' 'K2 플라이슈트 FLYSUIT THERMO W ECO KWU23164Z1680253 스포츠/레저>스킨스쿠버>다이빙슈트'
10.0	'Intbost 스노클링 수영 스쿠버 다이빙 양말 네오프렌 비치 사커 배구용 잠수복 양말 스포츠/레저>스킨스쿠버>부츠' '다이빙신발 부츠 다이빙슈즈 아쿠아슈즈 신발 스쿠버-E 블랙사이즈 40 남성용 스포츠/레저>스킨스쿠버>부츠' '더블케이 양면 발목삭스 프리다이빙 스노쿨링 스쿠버 스포츠/레저>스킨스쿠버>부츠'
1.0	'리프투어러 스노클링 마린 장갑 BK RA-0202 스포츠/레저>스킨스쿠버>글러브' '이온 ION 아이비 앞집 여성 보호 조끼 Fins 장갑 Socks and boots 수트 Changing robes 서핑 수건 가드 L Capsule 스포츠/레저>스킨스쿠버>글러브' '스쿠버장갑 그립 글러브 강력하고 유연한 구조 미끄럼방지코팅 가볍고편안함 바다 스포츠/레저>스킨스쿠버>글러브'
11.0	'다이버용 배터리 1066A 스포츠/레저>스킨스쿠버>수중전등' 'Wurkkos DL06 다이빙라이트 스킨스쿠버 손전등 15 000루멘 스포츠/레저>스킨스쿠버>수중전등' '고화질 수중카메라 피싱캠 낚시용 휴대용 야간 수중캠 스포츠/레저>스킨스쿠버>수중전등'
6.0	'스킨스쿠버 수중 해루질 나이프 정글 다이빙05 MO3004 스포츠/레저>스킨스쿠버>다이빙칼' '펜싱 장비 가변운 훈련 플라스틱 칼 꽃 경험 안전 히트 스포츠/레저>스킨스쿠버>다이빙칼' '수중 스쿠버 해루질 캠핑 울브스 다이버스03 그린 IGWC0741B 스포츠/레저>스킨스쿠버>다이빙칼'
8.0	'골프버디 리트렉터 기기미포함 스포츠/레저>스킨스쿠버>리트렉터' '인터오션 스킨스쿠버 악세사리 리트렉터 고리형 카메라 고프로 게이지 장비걸이 슈퍼포스 미니 리트렉터2 스포츠/레저>스킨스쿠버>리트렉터' '이노베이티브 리트렉터 락 스포츠/레저>스킨스쿠버>리트렉터'
12.0	'수중작살 낚시 삼지창 샤크건 바다 해루질 물고기 스포츠/레저>스킨스쿠버>수중총/작살' '해루질 스텐봉2p 조과통 작살뜰채 해루질뜰채 8인치 이동식 품 해루질용 해루질수경 스포츠/레저>스킨스쿠버>수중총/작살' '해루질 스틸 스테인레스 물고기 작살촉 포크 장비 스포츠/레저>스킨스쿠버>수중총/작살'
2.0	'프리 다이빙 백팩 롱핀 핀 가방 팩 스쿠버 장비 30L MK031900330LW1 스포츠/레저>스킨스쿠버>기어백' '스쿠버다이빙가방 롱핀 하드케이스 프리다이빙 핀백 -길이 너비 스포츠/레저>스킨스쿠버>기어백' '프리다이빙 롱핀가방 하드케이스 스쿠버 장비박스 백팩 스포츠/레저>스킨스쿠버>기어백'
13.0	'마레스 마니체타 롱 호스 210cm 3/8인치 - MARES 스쿠버 다이빙 스포츠/레저 > 스킨스쿠버 > 호스' '마레스 롱 호스 2M 주호스용 MARES 스쿠버 다이빙 스포츠/레저 > 스킨스쿠버 > 호스' '스킨스쿠버 호스 헬멧 다이빙 MZ00 3 in 스포츠/레저 > 스킨스쿠버 > 호스'
9.0	'Cressi Starter Pro 패키지 스포츠/레저>스킨스쿠버>부력재킷' 'Deep See by Aqua Lung 컴팩트 리트랙터 키트 BCD용 스포츠/레저>스킨스쿠버>부력재킷' '마레스 부력조절기 Mares SCUBA Magellan BCD Size 스포츠/레저>스킨스쿠버>부력재킷'
4.0	'원브레스 코팅납 2kg 스포츠/레저>스킨스쿠버>납' '랍스터 해비 넥 웨이트 500g 스포츠/레저>스킨스쿠버>납' "MOBBY'S 발목웨이트 ACG-9000 500gx2개 스포츠/레저>스킨스쿠버>납"

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_sl20")
# Run inference
preds = model("브로브 수영랜턴 고급형 스노쿨링 잠수후레쉬 CREE 스포츠/레저>스킨스쿠버>수중전등")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	2	9.2506	24

Label	Training Sample Count
0.0	69
1.0	70
2.0	70
3.0	70
4.0	9
5.0	70
6.0	70
7.0	70
8.0	70
9.0	70
10.0	70
11.0	70
12.0	70
13.0	10

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
0.0060	1	0.5025	-
0.2976	50	0.4963	-
0.5952	100	0.3183	-
0.8929	150	0.0275	-
1.1905	200	0.0142	-
1.4881	250	0.0142	-
1.7857	300	0.0132	-
2.0833	350	0.0144	-
2.3810	400	0.0097	-
2.6786	450	0.001	-
2.9762	500	0.0002	-
3.2738	550	0.0	-
3.5714	600	0.0	-
3.8690	650	0.0	-
4.1667	700	0.0	-
4.4643	750	0.0	-
4.7619	800	0.0001	-
5.0595	850	0.0	-
5.3571	900	0.0	-
5.6548	950	0.0	-
5.9524	1000	0.0	-
6.25	1050	0.0	-
6.5476	1100	0.0	-
6.8452	1150	0.0	-
7.1429	1200	0.0	-
7.4405	1250	0.0	-
7.7381	1300	0.0	-
8.0357	1350	0.0	-
8.3333	1400	0.0	-
8.6310	1450	0.0	-
8.9286	1500	0.0	-
9.2262	1550	0.0	-
9.5238	1600	0.0	-
9.8214	1650	0.0	-
10.1190	1700	0.0	-
10.4167	1750	0.0	-
10.7143	1800	0.0	-
11.0119	1850	0.0	-
11.3095	1900	0.0	-
11.6071	1950	0.0	-
11.9048	2000	0.0	-
12.2024	2050	0.0	-
12.5	2100	0.0	-
12.7976	2150	0.0006	-
13.0952	2200	0.0001	-
13.3929	2250	0.0	-
13.6905	2300	0.0	-
13.9881	2350	0.0	-
14.2857	2400	0.0	-
14.5833	2450	0.0	-
14.8810	2500	0.0	-
15.1786	2550	0.0	-
15.4762	2600	0.0	-
15.7738	2650	0.0	-
16.0714	2700	0.0	-
16.3690	2750	0.0	-
16.6667	2800	0.0	-
16.9643	2850	0.0	-
17.2619	2900	0.0	-
17.5595	2950	0.0	-
17.8571	3000	0.0	-
18.1548	3050	0.0	-
18.4524	3100	0.0	-
18.75	3150	0.0	-
19.0476	3200	0.0	-
19.3452	3250	0.0	-
19.6429	3300	0.0	-
19.9405	3350	0.0	-
20.2381	3400	0.0	-
20.5357	3450	0.0	-
20.8333	3500	0.0	-
21.1310	3550	0.0	-
21.4286	3600	0.0	-
21.7262	3650	0.0	-
22.0238	3700	0.0	-
22.3214	3750	0.0	-
22.6190	3800	0.0	-
22.9167	3850	0.0	-
23.2143	3900	0.0	-
23.5119	3950	0.0002	-
23.8095	4000	0.0	-
24.1071	4050	0.0	-
24.4048	4100	0.0	-
24.7024	4150	0.0	-
25.0	4200	0.0	-
25.2976	4250	0.0	-
25.5952	4300	0.0	-
25.8929	4350	0.0	-
26.1905	4400	0.0	-
26.4881	4450	0.0	-
26.7857	4500	0.0	-
27.0833	4550	0.0	-
27.3810	4600	0.0	-
27.6786	4650	0.0	-
27.9762	4700	0.0	-
28.2738	4750	0.0	-
28.5714	4800	0.0	-
28.8690	4850	0.0	-
29.1667	4900	0.0	-
29.4643	4950	0.0	-
29.7619	5000	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}
}