File size: 18,610 Bytes
bddf079 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 |
---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 1477844 ScubaPro Magnetic Octo Holder Tank by Scubapro 스포츠/레저>스킨스쿠버>옥토퍼스
- text: 브로브 수영랜턴 고급형 스노쿨링 잠수후레쉬 CREE 스포츠/레저>스킨스쿠버>수중전등
- text: 수초대 수초 제거 낫 칼 갈퀴 낚시 긴 장대 막대 작살 스포츠/레저>스킨스쿠버>수중총/작살
- text: 아팩스 아펙스Apeks WTX Tek 포켓 작은 메시 포켓 스포츠/레저>스킨스쿠버>부력재킷
- text: 홀리스 부력조절기 하네스 웨이트 STA WEIGHT 스포츠/레저>스킨스쿠버>부력재킷
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:** 14 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>'마레스 스마트 다이브 컴퓨터 스포츠/레저>스킨스쿠버>게이지'</li><li>'2pcs 스쿠버 다이빙 고압 HP 스위블 스풀 WO SPG용 게이지 스포츠/레저>스킨스쿠버>게이지'</li><li>'순토 SUUNTO PM-5 클리노미터 레귤러 pm-5 360 SS011096010 스포츠/레저>스킨스쿠버>게이지'</li></ul> |
| 3.0 | <ul><li>'메이트로닉스용 클라이밍 링 돌고래 M200 M400 M500 수영장 로봇 휠 커버 클라이밍 링 교체 4 개 6101611-R4 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'</li><li>'스테인리스강 수중 프로브 내구성 딩 스틱 다이빙 포인터 액세서리 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'</li><li>'DOUBLE K 더블케이 더블케이 재규어R 오로라 BK- 다이빙마스크 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'</li></ul> |
| 7.0 | <ul><li>'스쿠버프로 스쿠바프로 레귤레이터호흡기 MK11 C370 스포츠/레저>스킨스쿠버>레귤레이터'</li><li>'DIDEEP 스쿠버 다이빙 산소탱크 미니 산소통 호흡기 입문자 스노클링 탱크 스포츠/레저>스킨스쿠버>레귤레이터'</li><li>'스쿠버프로 스쿠바프로 레귤레이터 호흡기 EVO S620 X-TI MK25T 스포츠/레저>스킨스쿠버>레귤레이터'</li></ul> |
| 5.0 | <ul><li>'다이빙헤어밴드 스쿠버 후드 잠수 프리다이빙 머리띠 스포츠/레저>스킨스쿠버>다이빙슈트'</li><li>'여성 잠수복 원피스 스노쿨링 서핑 다이빙 슈트 D 스포츠/레저>스킨스쿠버>다이빙슈트'</li><li>'K2 플라이슈트 FLYSUIT THERMO W ECO KWU23164Z1680253 스포츠/레저>스킨스쿠버>다이빙슈트'</li></ul> |
| 10.0 | <ul><li>'Intbost 스노클링 수영 스쿠버 다이빙 양말 네오프렌 비치 사커 배구용 잠수복 양말 스포츠/레저>스킨스쿠버>부츠'</li><li>'다이빙신발 부츠 다이빙슈즈 아쿠아슈즈 신발 스쿠버-E 블랙사이즈 40 남성용 스포츠/레저>스킨스쿠버>부츠'</li><li>'더블케이 양면 발목삭스 프리다이빙 스노쿨링 스쿠버 스포츠/레저>스킨스쿠버>부츠'</li></ul> |
| 1.0 | <ul><li>'리프투어러 스노클링 마린 장갑 BK RA-0202 스포츠/레저>스킨스쿠버>글러브'</li><li>'이온 ION 아이비 앞집 여성 보호 조끼 Fins 장갑 Socks and boots 수트 Changing robes 서핑 수건 가드 L Capsule 스포츠/레저>스킨스쿠버>글러브'</li><li>'스쿠버장갑 그립 글러브 강력하고 유연한 구조 미끄럼방지코팅 가볍고편안함 바다 스포츠/레저>스킨스쿠버>글러브'</li></ul> |
| 11.0 | <ul><li>'다이버용 배터리 1066A 스포츠/레저>스킨스쿠버>수중전등'</li><li>'Wurkkos DL06 다이빙라이트 스킨스쿠버 손전등 15 000루멘 스포츠/레저>스킨스쿠버>수중전등'</li><li>'고화질 수중카메라 피싱캠 낚시용 휴대용 야간 수중캠 스포츠/레저>스킨스쿠버>수중전등'</li></ul> |
| 6.0 | <ul><li>'스킨스쿠버 수중 해루질 나이프 정글 다이빙05 MO3004 스포츠/레저>스킨스쿠버>다이빙칼'</li><li>'펜싱 장비 가변운 훈련 플라스틱 칼 꽃 경험 안전 히트 스포츠/레저>스킨스쿠버>다이빙칼'</li><li>'수중 스쿠버 해루질 캠핑 울브스 다이버스03 그린 IGWC0741B 스포츠/레저>스킨스쿠버>다이빙칼'</li></ul> |
| 8.0 | <ul><li>'골프버디 리트렉터 기기미포함 스포츠/레저>스킨스쿠버>리트렉터'</li><li>'인터오션 스킨스쿠버 악세사리 리트렉터 고리형 카메라 고프로 게이지 장비걸이 슈퍼포스 미니 리트렉터2 스포츠/레저>스킨스쿠버>리트렉터'</li><li>'이노베이티브 리트렉터 락 스포츠/레저>스킨스쿠버>리트렉터'</li></ul> |
| 12.0 | <ul><li>'수중작살 낚시 삼지창 샤크건 바다 해루질 물고기 스포츠/레저>스킨스쿠버>수중총/작살'</li><li>'해루질 스텐봉2p 조과통 작살뜰채 해루질뜰채 8인치 이동식 품 해루질용 해루질수경 스포츠/레저>스킨스쿠버>수중총/작살'</li><li>'해루질 스틸 스테인레스 물고기 작살촉 포크 장비 스포츠/레저>스킨스쿠버>수중총/작살'</li></ul> |
| 2.0 | <ul><li>'프리 다이빙 백팩 롱핀 핀 가방 팩 스쿠버 장비 30L MK031900330LW1 스포츠/레저>스킨스쿠버>기어백'</li><li>'스쿠버다이빙가방 롱핀 하드케이스 프리다이빙 핀백 -길이 너비 스포츠/레저>스킨스쿠버>기어백'</li><li>'프리다이빙 롱핀가방 하드케이스 스쿠버 장비박스 백팩 스포츠/레저>스킨스쿠버>기어백'</li></ul> |
| 13.0 | <ul><li>'마레스 마니체타 롱 호스 210cm 3/8인치 - MARES 스쿠버 다이빙 스포츠/레저 > 스킨스쿠버 > 호스'</li><li>'마레스 롱 호스 2M 주호스용 MARES 스쿠버 다이빙 스포츠/레저 > 스킨스쿠버 > 호스'</li><li>'스킨스쿠버 호스 헬멧 다이빙 MZ00 3 in 스포츠/레저 > 스킨스쿠버 > 호스'</li></ul> |
| 9.0 | <ul><li>'Cressi Starter Pro 패키지 스포츠/레저>스킨스쿠버>부력재킷'</li><li>'Deep See by Aqua Lung 컴팩트 리트랙터 키트 BCD용 스포츠/레저>스킨스쿠버>부력재킷'</li><li>'마레스 부력조절기 Mares SCUBA Magellan BCD Size 스포츠/레저>스킨스쿠버>부력재킷'</li></ul> |
| 4.0 | <ul><li>'원브레스 코팅납 2kg 스포츠/레저>스킨스쿠버>납'</li><li>'랍스터 해비 넥 웨이트 500g 스포츠/레저>스킨스쿠버>납'</li><li>"MOBBY'S 발목웨이트 ACG-9000 500gx2개 스포츠/레저>스킨스쿠버>납"</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_sl20")
# Run inference
preds = model("브로브 수영랜턴 고급형 스노쿨링 잠수후레쉬 CREE 스포츠/레저>스킨스쿠버>수중전등")
```
<!--
### 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 | 9.2506 | 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
```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.*
--> |