File size: 17,908 Bytes
62f5953 |
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: 캠핑 데크팩 타프팩 고정핀 단조 스토퍼 텐트비너 고강도 오토캠핑용품 백패킹 스포츠/레저>캠핑>텐트/타프용품>기타텐트/타프용품
- text: 빅토리캠프 BLAZE 블레이즈 펠렛연소기 캠핑용 화목난로 펠렛난로 차박 야외용 스포츠/레저>캠핑>기타캠핑용품
- text: 프리모리 세움 스탠다드 슬라이드 폴대 사이드 타프 가변 높이 조절 단품 캠핑 피크닉 스포츠/레저>캠핑>텐트/타프용품>폴대
- text: 익시드 디자인 TIRANT RAZOR V3 티타늄 만능칼 EDC 포켓 나이프 스포츠/레저>캠핑>취사용품>다용도칼
- text: 애몰라이트 후레쉬 AM1 표준슬립 손전등 스포츠/레저>캠핑>랜턴>손전등
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 |
|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 7.0 | <ul><li>'해먹 감성 침대 그네 캠핑 가정용 야외 세트 그물 휴대용 헤먹 차박 비박 스포츠/레저>캠핑>캠핑가구>해먹'</li><li>'그물침대 레인보우 캠핑 감성 휴대용 대형 해먹 스포츠/레저>캠핑>캠핑가구>해먹'</li><li>'야전침대 스웨이드 토퍼 간이 침대커버 매트 스포츠/레저>캠핑>캠핑가구>야전침대'</li></ul> |
| 1.0 | <ul><li>'식스비 감성 LED C타입 충전식 조명 캠핑랜턴 스포츠/레저>캠핑>랜턴>실내등'</li><li>'원터치 캠핑용 휴대고리 LED 손전등 등산 랜턴 서치라이트 스포츠/레저>캠핑>랜턴>손전등'</li><li>'초슬림 디자인 휴대용후레쉬 9 캠핑후레쉬 소형후레쉬 등산후레쉬 초소형후레쉬 스포츠/레저>캠핑>랜턴>손전등'</li></ul> |
| 6.0 | <ul><li>'제로그램 모나크250 침낭 스포츠/레저>캠핑>침낭'</li><li>'웜피스 바이킹 900-195CM 침낭 스포츠/레저>캠핑>침낭'</li><li>'다나산업 다나 골드익스페디션-M 침낭 스포츠/레저>캠핑>침낭'</li></ul> |
| 12.0 | <ul><li>'기프템 캠핑 경량 알류미늄 팩 망치 파운딩 해머 백패킹 힙오렌지 컬러 캠핑장의 힙스터 스포츠/레저>캠핑>텐트/타프용품>기타텐트/타프용품'</li><li>'아캄파 일자3구스토퍼 4P 스포츠/레저>캠핑>텐트/타프용품>기타텐트/타프용품'</li><li>'코베아 고스트 플러스 전용 PVC 그라운드시트 방수포 스포츠/레저>캠핑>텐트/타프용품>방수포/그라운드시트'</li></ul> |
| 5.0 | <ul><li>'제리캔 스틸 철제 캠핑통 기름통 휘발유 스포츠/레저>캠핑>취사용품>기타취사용품'</li><li>'워터백 폴딩 버킷12L 스포츠/레저>캠핑>취사용품>설거지용품'</li><li>'네이처하이크 캠핑 접이식 설거지통 20L 멀티 방수 다용도 원형 바스켓 스포츠/레저>캠핑>취사용품>설거지용품'</li></ul> |
| 0.0 | <ul><li>'야외 캠핑 가스 스토브 휴대용 프로판 히터 전자 점화 장치 핸드 워머 화구 텐트 스포츠/레저>캠핑>기타캠핑용품'</li><li>'캠핑 팩백 팩파우치 휴대용 도구가방 툴백 스포츠/레저>캠핑>기타캠핑용품'</li><li>'등산 캠핑 비상용 파라코드 생존팔찌 조난생존팔찌 스포츠/레저>캠핑>기타캠핑용품'</li></ul> |
| 10.0 | <ul><li>'캠핑클럽 사이드월 타프 420 스포츠/레저>캠핑>타프'</li><li>'쾌청 립스탑 렉타 타프 2 x 2m 스포츠/레저>캠핑>타프'</li><li>'네이처하이크 NH 4M 렉타 타프 스포츠/레저>캠핑>타프'</li></ul> |
| 8.0 | <ul><li>'호토 에어 매트리스 QWOGJ003 스포츠/레저>캠핑>캠핑매트'</li><li>'토토비즈 힐링 에스닉 캠핑매트 TM-H017 스포츠/레저>캠핑>캠핑매트'</li><li>'어반카모 팽창식 침대 캠핑매트 40cm 싱글 스포츠/레저>캠핑>캠핑매트'</li></ul> |
| 11.0 | <ul><li>'하이브로우 블랙테일 3 텐트 스포츠/레저>캠핑>텐트>2-3인용'</li><li>'코베아 몬스터 터널형 텐트 KECO9TO 4인용 스포츠/레저>캠핑>텐트>3-4인용'</li><li>'노스피크 스타쉽 텐트 4인용 스포츠/레저>캠핑>텐트>3-4인용'</li></ul> |
| 13.0 | <ul><li>'다이팩토리 파워뱅크 DF 230A 스포츠/레저>캠핑>파워뱅크'</li><li>'에코플로우 리버 맥스 플러스 파워뱅크 60Ah 스포츠/레저>캠핑>파워뱅크'</li><li>'잭커리 휴대용 파워뱅크 L 사이즈 수납가방 ro ro 전용 1500P 2000P 스포츠/레저>캠핑>파워뱅크'</li></ul> |
| 2.0 | <ul><li>'카즈미 소프트 쿨러 스카디 25L 보냉백 보냉가방 아이스박스 스포츠/레저>캠핑>아이스박스'</li><li>'피크닉가방 쿨러백 캠핑 보온보냉 대용량 25L 보냉백 스포츠/레저>캠핑>아이스박스'</li><li>'세븐플로어 POLARIS 폴라리스 C1 빙점하팩 아이스팩 영하 캠핑 휴대용 쿨러 얼음 냉동 스포츠/레저>캠핑>아이스박스'</li></ul> |
| 9.0 | <ul><li>'헤비 듀티 대용량 접이식 왜건 쇼핑 비치 가든 풀 트롤리 야외 휴대용 유틸리티 카트 스포츠/레저>캠핑>캠핑왜건'</li><li>'캠파오 캠핑웨건 접이식 카트 뒷문개방 왜건 스포츠/레저>캠핑>캠핑왜건'</li><li>'캠핑용 수레 경량 접이식 폴딩 웨건카트 스포츠/레저>캠핑>캠핑왜건'</li></ul> |
| 4.0 | <ul><li>'프리폼 캐노피 천막 2x2m 스포츠/레저>캠핑>천막'</li><li>'런웨이브 천막캐노피용 일반 바람막이 4면세트 3mX2m 스포츠/레저>캠핑>천막'</li><li>'리브포어스 접이식 캐노피 천막 벨크로 타입 투명벽면 풀세트 2m x 2m 스포츠/레저>캠핑>천막'</li></ul> |
| 3.0 | <ul><li>'캠피어 워터저그 10L 스포츠/레저>캠핑>워터저그'</li><li>'코베아 하드 워터탱크 15L 스포츠/레저>캠핑>워터저그'</li><li>'스탠리 워터저그 수도꼭지 + 스텐인리스판 스포츠/레저>캠핑>워터저그'</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_sl28")
# Run inference
preds = model("애몰라이트 후레쉬 AM1 표준슬립 손전등 스포츠/레저>캠핑>랜턴>손전등")
```
<!--
### 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 | 3 | 7.8108 | 22 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 70 |
| 2.0 | 70 |
| 3.0 | 25 |
| 4.0 | 30 |
| 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 | 26 |
### 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 | 0.5164 | - |
| 0.2994 | 50 | 0.4984 | - |
| 0.5988 | 100 | 0.4882 | - |
| 0.8982 | 150 | 0.1544 | - |
| 1.1976 | 200 | 0.0264 | - |
| 1.4970 | 250 | 0.0089 | - |
| 1.7964 | 300 | 0.0027 | - |
| 2.0958 | 350 | 0.0003 | - |
| 2.3952 | 400 | 0.0002 | - |
| 2.6946 | 450 | 0.0001 | - |
| 2.9940 | 500 | 0.0001 | - |
| 3.2934 | 550 | 0.0001 | - |
| 3.5928 | 600 | 0.0001 | - |
| 3.8922 | 650 | 0.0001 | - |
| 4.1916 | 700 | 0.0001 | - |
| 4.4910 | 750 | 0.0 | - |
| 4.7904 | 800 | 0.0 | - |
| 5.0898 | 850 | 0.0 | - |
| 5.3892 | 900 | 0.0 | - |
| 5.6886 | 950 | 0.0 | - |
| 5.9880 | 1000 | 0.0 | - |
| 6.2874 | 1050 | 0.0 | - |
| 6.5868 | 1100 | 0.0 | - |
| 6.8862 | 1150 | 0.0 | - |
| 7.1856 | 1200 | 0.0 | - |
| 7.4850 | 1250 | 0.0 | - |
| 7.7844 | 1300 | 0.0 | - |
| 8.0838 | 1350 | 0.0 | - |
| 8.3832 | 1400 | 0.0 | - |
| 8.6826 | 1450 | 0.0 | - |
| 8.9820 | 1500 | 0.0 | - |
| 9.2814 | 1550 | 0.0 | - |
| 9.5808 | 1600 | 0.0 | - |
| 9.8802 | 1650 | 0.0 | - |
| 10.1796 | 1700 | 0.0 | - |
| 10.4790 | 1750 | 0.0 | - |
| 10.7784 | 1800 | 0.0 | - |
| 11.0778 | 1850 | 0.0 | - |
| 11.3772 | 1900 | 0.0 | - |
| 11.6766 | 1950 | 0.0 | - |
| 11.9760 | 2000 | 0.0 | - |
| 12.2754 | 2050 | 0.0 | - |
| 12.5749 | 2100 | 0.0 | - |
| 12.8743 | 2150 | 0.0 | - |
| 13.1737 | 2200 | 0.0 | - |
| 13.4731 | 2250 | 0.0 | - |
| 13.7725 | 2300 | 0.0 | - |
| 14.0719 | 2350 | 0.0 | - |
| 14.3713 | 2400 | 0.0 | - |
| 14.6707 | 2450 | 0.0 | - |
| 14.9701 | 2500 | 0.0 | - |
| 15.2695 | 2550 | 0.0 | - |
| 15.5689 | 2600 | 0.0 | - |
| 15.8683 | 2650 | 0.0 | - |
| 16.1677 | 2700 | 0.0 | - |
| 16.4671 | 2750 | 0.0 | - |
| 16.7665 | 2800 | 0.0 | - |
| 17.0659 | 2850 | 0.0 | - |
| 17.3653 | 2900 | 0.0 | - |
| 17.6647 | 2950 | 0.0 | - |
| 17.9641 | 3000 | 0.0 | - |
| 18.2635 | 3050 | 0.0 | - |
| 18.5629 | 3100 | 0.0 | - |
| 18.8623 | 3150 | 0.0 | - |
| 19.1617 | 3200 | 0.0 | - |
| 19.4611 | 3250 | 0.0 | - |
| 19.7605 | 3300 | 0.0 | - |
| 20.0599 | 3350 | 0.0 | - |
| 20.3593 | 3400 | 0.0 | - |
| 20.6587 | 3450 | 0.0 | - |
| 20.9581 | 3500 | 0.0 | - |
| 21.2575 | 3550 | 0.0 | - |
| 21.5569 | 3600 | 0.0 | - |
| 21.8563 | 3650 | 0.0 | - |
| 22.1557 | 3700 | 0.0 | - |
| 22.4551 | 3750 | 0.0 | - |
| 22.7545 | 3800 | 0.0 | - |
| 23.0539 | 3850 | 0.0 | - |
| 23.3533 | 3900 | 0.0 | - |
| 23.6527 | 3950 | 0.0 | - |
| 23.9521 | 4000 | 0.0 | - |
| 24.2515 | 4050 | 0.0 | - |
| 24.5509 | 4100 | 0.0 | - |
| 24.8503 | 4150 | 0.0 | - |
| 25.1497 | 4200 | 0.0 | - |
| 25.4491 | 4250 | 0.0 | - |
| 25.7485 | 4300 | 0.0 | - |
| 26.0479 | 4350 | 0.0 | - |
| 26.3473 | 4400 | 0.0 | - |
| 26.6467 | 4450 | 0.0 | - |
| 26.9461 | 4500 | 0.0 | - |
| 27.2455 | 4550 | 0.0 | - |
| 27.5449 | 4600 | 0.0 | - |
| 27.8443 | 4650 | 0.0 | - |
| 28.1437 | 4700 | 0.0 | - |
| 28.4431 | 4750 | 0.0 | - |
| 28.7425 | 4800 | 0.0 | - |
| 29.0419 | 4850 | 0.0 | - |
| 29.3413 | 4900 | 0.0 | - |
| 29.6407 | 4950 | 0.0 | - |
| 29.9401 | 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.*
--> |