Hugging Face's logo

mini1013
/
master_cate_sl21

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
Community
master_cate_sl21 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
c67f7d0 verified
preview code
|
raw
history blame contribute delete
15.3 kB
metadata 
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 자클라이 웨스트바이킹 쿨 바라클라바 넥워머 여름 자외선차단 LF1360 스포츠/레저>스포츠액세서리>스포츠넥워머
  - text: 등산 자전거 바이크 멀티 스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프
  - text: 축구작전판 축구전술판 스코어보드 팀명로고인쇄 스포츠/레저>스포츠액세서리>스코어보드/작전판
  - text: 등산 낚시 동계 필수 아웃도어 전체 기모 방한 마스크 스포츠/레저>스포츠액세서리>스포츠마스크
  - text: 전자점수판 농구전광판 디지털점수판 세자리 배드민턴 N2 스포츠/레저>스포츠액세서리>스코어보드/작전판
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: 0.9989235737351991
            name: Accuracy

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 Sources

Model Labels

Label Examples
1.0
  • '고급형 ABS PP 점수판 가방포함 5세트 30점 중형 44x24 체육용 스포츠/레저>스포츠액세서리>스코어보드/작전판'
  • '폭스40 클립보드작전판 6920 스포츠/레저>스포츠액세서리>스코어보드/작전판'
  • '축구작전판 풋살작전판 전술보드 지휘판 축구판 s224 2027A E13WCB087EM 스포츠/레저>스포츠액세서리>스코어보드/작전판'
8.0
  • '아이워너 범블비 전자호각 호루라기 KS-848 스포츠/레저>스포츠액세서리>호각/호루라기'
  • '프로맥스 스포츠호각-그린 스포츠/레저>스포츠액세서리>호각/호루라기'
  • 'Star 호각 플라스틱 스포츠/레저>스포츠액세서리>호각/호루라기'
6.0
  • '런웨이브 스포츠 헤어밴드 1p 땀흡수 머리고정 운동 스포츠/레저>스포츠액세서리>스포츠헤어밴드'
  • '미즈노 스트레치 헤어밴드 33YZ210305 스포츠/레저>스포츠액세서리>스포츠헤어밴드'
  • '피엘라벤 아비스코 울 헤드밴드 F235UCA09AC 스포츠/레저>스포츠액세서리>스포츠헤어밴드'
7.0
  • '배달 등산 트래킹 UV차단 멀티스카프 여름목토시 아이스목도리 자전거마스크 쿨넥 스포츠/레저>스포츠액세서리>아이스머플러/스카프'
  • '자외선 통기성 귀걸이형 메쉬 스카프 등산용마스크 등산스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프'
  • '해밀 4 1 국산 쿨스카프 넥쿨러 냉감 스포츠 아이스 머플러 자외선차단 여름 넥워머 등산 스포츠/레저>스포츠액세서리>아이스머플러/스카프'
5.0
  • '내셔널지오그래픽 아이스 슬리브 N232AGL510 WHITE151842 스포츠/레저>스포츠액세서리>스포츠토시'
  • '여름 골프 쿨토시 UV 자외선차단 아이스 팔토시 남성 여성 암슬리브 등산 자전거 운전 손등토시 스포츠/레저>스포츠액세서리>스포츠토시'
  • '팔토시 여름 등산 토시 스포츠/레저>스포츠액세서리>스포츠토시'
3.0
  • '야팩 자외선차단 골프마스크 얼굴햇빛가리개 등산 자전거 스포츠 아웃도어 마스크팩 1BOX 4매 스포츠/레저>스포츠액세서리>스포츠마스크'
  • '블랙야크 남여공용 여름 다용도 UV차단마스크 UV차양마스크 2BYXXX3912 597799 스포츠/레저>스포츠액세서리>스포츠마스크'
  • '유투스포츠 1 1 MS1 스탠다드 익스트림 마스크 자외선차단 골프 자전거 스포츠 등산 낚시 산책 스포츠/레저>스포츠액세서리>스포츠마스크'
4.0
  • '바너 스포츠 고글 선글라스 자전거 미러 변색 안경 스포츠/레저>스포츠액세서리>스포츠선글라스'
  • 'BRIKO CYCLOPE 썬글라스 904 스포츠/레저>스포츠액세서리>스포츠선글라스'
  • 'WTD 스템 변색 미러 렌즈 선글라스 스포츠/레저>스포츠액세서리>스포츠선글라스'
0.0
  • '체육관 공 정리함 수납함 철제 보관 바구니 학교 카트 스포츠/레저>스포츠액세서리>볼캐리어'
  • '농구 공 보관 랙 3 단 큐브 거치대 차고 스포츠 정리함 실내 탈착식 수직 디스플레이 스탠드 스포츠/레저>스포츠액세서리>볼캐리어'
  • '농구공보관함 체육관 학교 공 이동식 수납 정리대-모델굵은글씨화이트140x35x140 5레이어544 5457게이 스포츠/레저>스포츠액세서리>볼캐리어'
2.0
  • '아크테릭스 23FW 로 라이트웨이트 울 바라클라바 BLK RHO 라이트 WEIGHT BALACLAVA M 95 정도이니 참조 AENFUX5968 스포츠/레저>스포츠액세서리>스포츠넥워머'
  • '블랙 바라클라바 자외선차단마스크 여름넥워머 스포츠/레저>스포츠액세서리>스포츠넥워머'
  • 'NATIONALGEOGRAPHIC 넥게이터 N232AAC510 스포츠/레저>스포츠액세서리>스포츠넥워머'

Evaluation

Metrics

Label Accuracy
all 0.9989

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_sl21")
# Run inference
preds = model("등산 자전거 바이크 멀티 스카프 스포츠/레저>스포츠액세서리>아이스머플러/스카프")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 8.4524 21
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 70
4.0 70
5.0 70
6.0 70
7.0 70
8.0 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
0.0081 1 0.5163 -
0.4032 50 0.4971 -
0.8065 100 0.3704 -
1.2097 150 0.1312 -
1.6129 200 0.0318 -
2.0161 250 0.0173 -
2.4194 300 0.0096 -
2.8226 350 0.0001 -
3.2258 400 0.0001 -
3.6290 450 0.0001 -
4.0323 500 0.0 -
4.4355 550 0.0 -
4.8387 600 0.0 -
5.2419 650 0.0 -
5.6452 700 0.0 -
6.0484 750 0.0 -
6.4516 800 0.0 -
6.8548 850 0.0 -
7.2581 900 0.0 -
7.6613 950 0.0 -
8.0645 1000 0.0 -
8.4677 1050 0.0 -
8.8710 1100 0.0 -
9.2742 1150 0.0 -
9.6774 1200 0.0 -
10.0806 1250 0.0 -
10.4839 1300 0.0 -
10.8871 1350 0.0 -
11.2903 1400 0.0 -
11.6935 1450 0.0 -
12.0968 1500 0.0 -
12.5 1550 0.0 -
12.9032 1600 0.0 -
13.3065 1650 0.0 -
13.7097 1700 0.0 -
14.1129 1750 0.0 -
14.5161 1800 0.0 -
14.9194 1850 0.0 -
15.3226 1900 0.0 -
15.7258 1950 0.0 -
16.1290 2000 0.0 -
16.5323 2050 0.0 -
16.9355 2100 0.0 -
17.3387 2150 0.0 -
17.7419 2200 0.0 -
18.1452 2250 0.0 -
18.5484 2300 0.0 -
18.9516 2350 0.0 -
19.3548 2400 0.0 -
19.7581 2450 0.0 -
20.1613 2500 0.0 -
20.5645 2550 0.0 -
20.9677 2600 0.0 -
21.3710 2650 0.0 -
21.7742 2700 0.0 -
22.1774 2750 0.0 -
22.5806 2800 0.0 -
22.9839 2850 0.0 -
23.3871 2900 0.0 -
23.7903 2950 0.0 -
24.1935 3000 0.0 -
24.5968 3050 0.0 -
25.0 3100 0.0 -
25.4032 3150 0.0 -
25.8065 3200 0.0 -
26.2097 3250 0.0 -
26.6129 3300 0.0 -
27.0161 3350 0.0 -
27.4194 3400 0.0 -
27.8226 3450 0.0 -
28.2258 3500 0.0 -
28.6290 3550 0.0 -
29.0323 3600 0.0 -
29.4355 3650 0.0 -
29.8387 3700 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}
}