Hugging Face's logo

mini1013
/
master_cate_sl27

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
Community
master_cate_sl27 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
234aa20 verified
preview code
|
raw
history blame contribute delete
14.9 kB
 ---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 스타 더프로페셔널 축구공 5호 SB3015 스포츠/레저>축구>축구공
- text: 미즈노 미즈노 스피드 마하 2 주니어 런닝화 K1GC2222-51 스포츠/레저>축구>축구화
- text: 스타 풋살공 매치업 접착구 4호 스쿠알로 공가방 스쿠알로 펌프 FB514TB 스포츠/레저>축구>축구공
- text: 타비오 TABIO 축구 발가락 양말 풋살 양말 숏 그립 삭스 스포츠/레저>축구>축구양말
- text: 스타 매니아 풋살공 FB61 볼 축구공 싸커 피구 발야구 WBA134E 스포츠/레저>축구>축구공
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:** 10 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 |
|:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 9.0 | <ul><li>'엄브로 풋살화 주니어 엑셀레이터 사라 WIDE IN UF2V02W 스포츠/레저>축구>풋살화'</li><li>'푸마 퓨처 7 플레이 TT V 주니어 10774001 스포츠/레저>축구>풋살화'</li><li>'아동 키즈 주니어 풋살화 아식스 1154A090 011 스포츠/레저>축구>풋살화'</li></ul> |
| 6.0 | <ul><li>'22-23시즌 파리생제르망 메시유니폼 네이마르 음바페 아동용 성인용 유소년 축구유니폼 키즈 PSG 스포츠/레저>축구>축구의류'</li><li>'토트넘 유니폼 어웨이 축구유니폼 반팔 어센틱 스포츠/레저>축구>축구의류'</li><li>'미즈노 베이직 디자인 남여공용 빅로고 라운드넥 피스테 3C 그린 32YE3020 스포츠/레저>축구>축구의류'</li></ul> |
| 5.0 | <ul><li>'바주카골 고급 팝업 골대 충격흡수 접이식 휴대용 풋살 동호회 학교 체육 튼튼한 교구 스포츠/레저>축구>축구연습용품'</li><li>'프로맥스 풋살골대 축구 미니게임 훈련 골대 6300TA2 스포츠/레저>축구>축구연습용품'</li><li>'축구 접시콘 스포츠/레저>축구>축구연습용품'</li></ul> |
| 2.0 | <ul><li>'풋살공 게임볼 4호 풋살볼 풋살 축구용품 스타 축구 FB52405 스포츠/레저>축구>축구공'</li><li>'스타 축구공 더 폴라리스 2000 4호 흰색노랑색 SB234 스포츠/레저>축구>축구공'</li><li>'키카 이글200 축구공 그린 KFS-N102 스포츠/레저>축구>축구공'</li></ul> |
| 8.0 | <ul><li>'미즈노 다이나팩 모렐리아 2 프로 AS 풋살화 형광 GD241445 270 스포츠/레저>축구>축구화'</li><li>'미즈노 축구화 모렐리아 네오 3 프로 MD P1GA238304 스포츠/레저>축구>축구화'</li><li>'아디다스 코파 센스 1 HG 축구화 FZ3712 스포츠/레저>축구>축구화'</li></ul> |
| 3.0 | <ul><li>'PARIS SAINT-GERMAIN 비밀 파리생제르망 신가드 S M L SN-01 스포츠/레저>축구>축구보호대'</li><li>'미즈노 축구용품 신가드 제로글라이드 정강이보호대 스포츠/레저>축구>축구보호대'</li><li>'풋볼몬스터 신가드 슬리브 2p 정강이보호대 다리보호대 스포츠/레저>축구>축구보호대'</li></ul> |
| 1.0 | <ul><li>'TOP셀러 더블백 더플백 헬스 헬스장 망치 가방 짐백 축구 복싱 운동 가방 스포츠/레저>축구>축구가방>필드용'</li><li>'디아도라 테니스 보스턴백 OFF 스포츠/레저>축구>축구가방>필드용'</li><li>'스포츠트라이브 짐백 축구공가방 공가방 신발주머니 스포츠/레저>축구>축구가방>슈즈백'</li></ul> |
| 4.0 | <ul><li>'성인용 논슬립 양말 스포츠/레저>축구>축구양말'</li><li>'훌리건 싱글 논슬립 스타킹 hss001whns2 축구 양말 스포츠/레저>축구>축구양말'</li><li>'아디다스 성인 어른 축구화 풋살 양말 스타킹 260 남성 장목 양발 경기 남자 삭스 스포츠/레저>축구>축구양말'</li></ul> |
| 0.0 | <ul><li>'동호회 체육대회 축구 심판 접이식 수첩 경고카드 연필 심판용품 스포츠/레저>축구>기타축구용품'</li><li>'볼 트래핑 축구 연습 리프팅 연습 2호 5호 어린이 축구교실 풋살 트레인 훈련 스포츠/레저>축구>기타축구용품'</li><li>'선수교체판 번호사인 스포츠/레저>축구>기타축구용품'</li></ul> |
| 7.0 | <ul><li>'미즈노 모렐리아 축구 풋살 겨울 방한 남성 필드 장갑 스포츠/레저>축구>축구장갑'</li><li>'나이키 매치 FA20 골키퍼장갑 CQ7799-637 스포츠/레저>축구>축구장갑'</li><li>'푸마 퓨쳐 얼티메이트 NC 골키퍼장갑 04192301 스포츠/레저>축구>축구장갑'</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_sl27")
# Run inference
preds = model("스타 더프로페셔널 축구공 5호 SB3015 스포츠/레저>축구>축구공")
```
<!--
### 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 | 8.7243 | 20 |
| 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 |
| 9.0 | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0073 | 1 | 0.4831 | - |
| 0.3650 | 50 | 0.4992 | - |
| 0.7299 | 100 | 0.3805 | - |
| 1.0949 | 150 | 0.1114 | - |
| 1.4599 | 200 | 0.0275 | - |
| 1.8248 | 250 | 0.0177 | - |
| 2.1898 | 300 | 0.0104 | - |
| 2.5547 | 350 | 0.0014 | - |
| 2.9197 | 400 | 0.0001 | - |
| 3.2847 | 450 | 0.0001 | - |
| 3.6496 | 500 | 0.0001 | - |
| 4.0146 | 550 | 0.0001 | - |
| 4.3796 | 600 | 0.0 | - |
| 4.7445 | 650 | 0.0 | - |
| 5.1095 | 700 | 0.0 | - |
| 5.4745 | 750 | 0.0 | - |
| 5.8394 | 800 | 0.0 | - |
| 6.2044 | 850 | 0.0 | - |
| 6.5693 | 900 | 0.0 | - |
| 6.9343 | 950 | 0.0 | - |
| 7.2993 | 1000 | 0.0 | - |
| 7.6642 | 1050 | 0.0 | - |
| 8.0292 | 1100 | 0.0 | - |
| 8.3942 | 1150 | 0.0 | - |
| 8.7591 | 1200 | 0.0 | - |
| 9.1241 | 1250 | 0.0 | - |
| 9.4891 | 1300 | 0.0 | - |
| 9.8540 | 1350 | 0.0 | - |
| 10.2190 | 1400 | 0.0 | - |
| 10.5839 | 1450 | 0.0 | - |
| 10.9489 | 1500 | 0.0 | - |
| 11.3139 | 1550 | 0.0 | - |
| 11.6788 | 1600 | 0.0 | - |
| 12.0438 | 1650 | 0.0 | - |
| 12.4088 | 1700 | 0.0 | - |
| 12.7737 | 1750 | 0.0 | - |
| 13.1387 | 1800 | 0.0 | - |
| 13.5036 | 1850 | 0.0 | - |
| 13.8686 | 1900 | 0.0 | - |
| 14.2336 | 1950 | 0.0 | - |
| 14.5985 | 2000 | 0.0 | - |
| 14.9635 | 2050 | 0.0 | - |
| 15.3285 | 2100 | 0.0 | - |
| 15.6934 | 2150 | 0.0 | - |
| 16.0584 | 2200 | 0.0 | - |
| 16.4234 | 2250 | 0.0 | - |
| 16.7883 | 2300 | 0.0 | - |
| 17.1533 | 2350 | 0.0 | - |
| 17.5182 | 2400 | 0.0 | - |
| 17.8832 | 2450 | 0.0 | - |
| 18.2482 | 2500 | 0.0 | - |
| 18.6131 | 2550 | 0.0 | - |
| 18.9781 | 2600 | 0.0 | - |
| 19.3431 | 2650 | 0.0 | - |
| 19.7080 | 2700 | 0.0 | - |
| 20.0730 | 2750 | 0.0 | - |
| 20.4380 | 2800 | 0.0 | - |
| 20.8029 | 2850 | 0.0 | - |
| 21.1679 | 2900 | 0.0 | - |
| 21.5328 | 2950 | 0.0 | - |
| 21.8978 | 3000 | 0.0 | - |
| 22.2628 | 3050 | 0.0 | - |
| 22.6277 | 3100 | 0.0 | - |
| 22.9927 | 3150 | 0.0 | - |
| 23.3577 | 3200 | 0.0 | - |
| 23.7226 | 3250 | 0.0 | - |
| 24.0876 | 3300 | 0.0 | - |
| 24.4526 | 3350 | 0.0 | - |
| 24.8175 | 3400 | 0.0 | - |
| 25.1825 | 3450 | 0.0 | - |
| 25.5474 | 3500 | 0.0 | - |
| 25.9124 | 3550 | 0.0 | - |
| 26.2774 | 3600 | 0.0 | - |
| 26.6423 | 3650 | 0.0 | - |
| 27.0073 | 3700 | 0.0 | - |
| 27.3723 | 3750 | 0.0 | - |
| 27.7372 | 3800 | 0.0 | - |
| 28.1022 | 3850 | 0.0 | - |
| 28.4672 | 3900 | 0.0 | - |
| 28.8321 | 3950 | 0.0 | - |
| 29.1971 | 4000 | 0.0 | - |
| 29.5620 | 4050 | 0.0 | - |
| 29.9270 | 4100 | 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.*
-->