---
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
### 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 | - '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:
```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")
```
## 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}
}
```