---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 국내산 햇잣 홍천 잣고개 잣 1kg (백잣 황잣 파지잣) 백잣(정품) 1kg (#M)식품>농산물>견과류>잣 T200 > Naverstore
> 식품 > 견과류/건과류 > 견과류 > 잣
- text: 청도 감말랭이 곶감 홍시 말랭이 말린 감 프리미엄 청도 감말랭이 100g (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore
> 식품 > 견과류/건과류 > 건과류 > 감말랭이
- text: HYGGE(휘게) 담금주 키트 3구 선물세트(500ml x 3) 그린라이트(야관문주)_달빛 한 스푼(진저레몬주)_베리온더클라우드(딸기주)
(#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류
- text: 올가 피스타치오(유기농) (100g) (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류
> 견과류 > 피스타치오
- text: 원더풀피스타치오 노 쉘 칠리 로스티드 맛 2통 63g (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품
> 견과류/건과류 > 견과류 > 피스타치오
metrics:
- accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: klue/roberta-base
model-index:
- name: SetFit with klue/roberta-base
results:
- task:
type: text-classification
name: Text Classification
dataset:
name: Unknown
type: unknown
split: test
metrics:
- type: accuracy
value: 0.9994875924163678
name: Accuracy
---
# SetFit with klue/roberta-base
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [klue/roberta-base](https://huggingface.co/klue/roberta-base) 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:** [klue/roberta-base](https://huggingface.co/klue/roberta-base)
- **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:** 22 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 |
|:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 7.0 | - '견과류 답례품 결혼 결혼식 웨딩 돌 감사선물 허비스 10종 6허비스골드그라인더(90g)_300개 이상(-250원 할인) (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 기타견과류'
- '브라질너트 1kg 햇상품 A등급 최신통관 브라질넛 MD 900g(450gx2봉) (#M)식품>농산물>견과류>기타견과류 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 기타견과류'
- '견과류 답례품 믹스 결혼 결혼식 회사 믹스넛 110g 03 호두정과 80g_700개 이상 (-300원) (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 기타견과류'
|
| 10.0 | - '마우나로아 마카다미아 다크초코 하와이안 씨솔트 허니 로스티드 어니언갈릭 대용량 밀크초코 226g (#M)식품>농산물>견과류>마카다미아 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 마카다미아'
- '우고래빗 통 마카다미아 ✨특가✨02.마카다미아 1kg(500x2) (#M)식품>농산물>견과류>마카다미아 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 마카다미아'
- '마우나로아 마카다미아 대용량 하와이안 괌 다크초콜릿 씨솔트 밀크초콜릿 코스트코 05.다크초콜릿 17g x 24개 (#M)식품>농산물>견과류>마카다미아 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 마카다미아'
|
| 11.0 | - '약단밤 칼집밤 생율 옥광 군밤 맛밤 칼집 약단밤 2kg (#M)식품>농산물>견과류>밤 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 밤'
- '[단품구성] 23년 햇밤 달콤한 공주밤 1kg / 약단밤 생율밤 칼집 무칼집 02 공주밤(대)무칼집 1kg (#M)식품>농산물>견과류>밤 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 밤'
- '23년 농장직송 공주밤 햇밤 2kg 4kg 옥광 대보 조생 칼집밤 [칼집X]옥광밤_옥광밤 특 4kg (#M)식품>농산물>견과류>밤 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 밤'
|
| 1.0 | - '건망고 슬라이스 1kg (#M)식품>잼/시럽>딸기잼 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건망고'
- '[해외] 베트남 롯데마트 choice L 초이스엘 반건조망고 100G X 8팩 / 망고슬라이스 Xoai Say Deo Fruit Joy mango 건망고 말린망고 (#M)식품>농산물>건과류>건망고 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건망고'
- '식자재 식재료 도매 건망고 비앤지 1K x10개 (#M)식품>농산물>건과류>건망고 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건망고'
|
| 5.0 | - '곶감 선물세트 건시 상주곶감 선물용 보자기포장 (#M)식품>농산물>건과류>곶감 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 곶감'
- '대구 상견례선물 곶감단지 명절 부모님 첫인사 선물 예약배송 배송메세지에 도착일입력_상견례선물택선택_사각케이스곶감단지9구 (#M)식품>농산물>건과류>곶감 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 곶감'
- '귀한곶감말이 [20P] 무화과크림치즈호두말이 선물 추석선물 명절선물 상견례 반건시 답례 20구상자+종이가방_o (#M)식품>농산물>건과류>곶감 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 곶감'
|
| 17.0 | - '코스트코 피칸 커클랜드 시그니춰 피칸 하브즈 908G 샐러드 요거트 (#M)식품>농산물>견과류>피칸 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피칸'
- 'KIRKLAND SIGNATURE 스낵킹 피칸 737G (#M)식품>농산물>견과류>피칸 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피칸'
- '피칸분태 1kg 미국산 조각 피칸 캘리포니아 무염 생 피칸 (#M)식품>농산물>견과류>피칸 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피칸'
|
| 21.0 | - '자연루 투데이넛 너트한줌 후르츠 선물세트 20g, 30봉 / 투데이 하루 견과류 답례품 꿀호두 30봉 세트 (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 혼합견과/견과류세트'
- '견과류 답례품 믹스너트 기업 회사 명절 단체 견과 허니버터 믹스넛 선물 2종 세트 2종선물세트+메세지카드+쇼핑백♥ (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 혼합견과/견과류세트'
- '오담견과 수제견과강정 선물세트 2호 48개입 견과류바_O_X (#M)식품>농산물>견과류>혼합견과/견과류세트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 혼합견과/견과류세트'
|
| 2.0 | - '필리핀 골든사바 바나나칩 100g 5개입 10개입 1개입 (#M)식품>농산물>건과류>건바나나 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건바나나'
- '건바나나칩 1kgx3봉 (#M)식품>농산물>건과류>건바나나 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건바나나'
- '필리핀 조비스 바나나칩 모음전 조비스 바나나칩 320g (#M)식품>농산물>건과류>건바나나 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건바나나'
|
| 3.0 | - '테일러팜스 푸룬 건자두 250gx5봉 & 건과일 모음전(무화과, 데이츠, 블랙체리) 09.말린 데이츠 50g x5봉 (#M)식품>농산물>건과류>건자두 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건자두'
- '리우씨앤씨 말린붉은 2.5kg 수입중국산 건대추 한박스(포장변동될수있슴) 2.5k (#M)식품>농산물>건과류>건자두 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건자두'
- '푸룬 건자두 씨를뺀 말린자두 하루 40g 20봉 30봉 500g 4.푸룬건자두 50봉 (기간한정 이벤트+5봉) (#M)식품>농산물>건과류>건자두 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건자두'
|
| 6.0 | - '더하루 동결건조 과일칩 야채칩 무설탕국산연근칩 딸기 반건조 무화과 잭푸르트 건강 간식 오크라칩 (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류'
- '건조과일13종 과일칩 건과일 과일말랭이 오렌지칩(35g) (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류'
- '반건조 무화과 2kg 건과일 말린무화과 터키산 Taris 반건조 무화과 2kg (#M)식품>농산물>건과류>기타건과류 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 기타건과류'
|
| 20.0 | - '해씨초코볼 27g 5개 (#M)식품>농산물>견과류>호박씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호박씨'
- '호박씨 1kg 구운호박씨 최신통과 AAA등급 국가별 햇상품 KG 중국산 생호박씨 1kg (#M)식품>농산물>견과류>호박씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호박씨'
- '호박씨(맛깔 1K) (#M)식품>농산물>견과류>호박씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호박씨'
|
| 15.0 | - '너츠빌 구운 캐슈넛 1kg - 베트남 생캐슈넛1kg 베트남 구운캐슈넛1kg (#M)식품>농산물>견과류>캐슈너트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 캐슈너트'
- '베트남 껍질 구운캐슈넛 500g 알큰 캐슈넛 500g 1개 (#M)식품>농산물>견과류>캐슈너트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 캐슈너트'
- '커클랜드 시그니춰 무염캐슈 1.13kg 코스트코견과류 코스트코캐슈넛 건강한간식 요거트토핑 어린이간식 온가족간식 샐러드토핑 맛있는스낵 (#M)식품>농산물>견과류>캐슈너트 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 캐슈너트'
|
| 4.0 | - '[대용량박스딜] 믹스베리 1kg x 9팩 크렌베리 건포도 건블루베리 (#M)식품>농산물>건과류>건포도 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건포도'
- '미국 건강식품 SunMaid 캘리포니아산 믹스 점보 건포도 340g(12oz) 중년 여성 (#M)식품>농산물>건과류>건포도 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건포도'
- '[200g] 건조 샤인머스켓S 건조샤인 건과일 건포도 김천/영천 마켓이루팜 (#M)식품>농산물>건과류>건포도 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 건포도'
|
| 0.0 | - '청도농협 감말랭이 1Kg 절약형(가정용) / 실속형(선물용) 청도농협 감말랭이 1kg_절약형(지퍼팩) 1개 (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 감말랭이'
- '달콤쫀득 청도 감말랭이 300g, 500g, 1kg 지퍼백 500g (지퍼백) (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 감말랭이'
- '상주 대봉감말랭이 1kg 상주 호랑이 감말랭이 1kg (#M)식품>농산물>건과류>감말랭이 T200 > Naverstore > 식품 > 견과류/건과류 > 건과류 > 감말랭이'
|
| 12.0 | - '햇 아몬드 1kg 당일 구운아몬드 슬라이스 볶은 생아몬드 볶음 비건 100% 아몬드가루 1kg (#M)식품>농산물>견과류>아몬드 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 아몬드'
- '바프 허니버터 아몬드 120g 와사비 군옥수수 마늘빵 쿠키앤크림 티라미수 구운양파 김 맛 아몬드_40g 8종세트(허와군마카쿠인체) (#M)식품>농산물>견과류>아몬드 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 아몬드'
- '머거본 선물세트 실속형 2호 프리미엄 2호 선택 실속형 2호 (#M)식품>농산물>견과류>아몬드 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 아몬드'
|
| 19.0 | - '깐호두 700g (#M)식품>농산물>견과류>호두 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 호두'
- '(옵션선택) 대상웰라이프 뉴케어 당플랜 호두맛 200 mL 30팩+당플랜 인절미맛 200 mL 30팩 균형영양식 인절미맛 30팩+검은깨맛 30팩 (#M)식품>건강식품>환자식/영양보충식 KGC > naver_plus_traverse_extension > Naverstore > 건강식품 > 환자식/영양보충식'
- '대상웰라이프 뉴케어 당플랜 호두맛 200ml 30팩+30팩 균형영양식 (#M)식품>건강식품>환자식/영양보충식 KGC > brand_store > Naverstore > dswellife브랜드스토어 > 뉴케어'
|
| 18.0 | - '베트남 롯데마트 해바라기씨 코코넛맛 130g 10세트 매운맛 10개 (#M)식품>농산물>견과류>해바라기씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 해바라기씨'
- '해바라기씨 까먹는 중국해바리기씨 꽈즈 껍질해바라기씨 사토 고양이 고양이해바라기씨 (#M)식품>농산물>견과류>해바라기씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 해바라기씨'
- '사조 해표 해바라기유 900ml x3 (#M)식품>농산물>견과류>해바라기씨 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 해바라기씨'
|
| 8.0 | - '당도높은 2023년 건대추 말린 대추 500g 건조 대추 사과대추 왕대추 생대추 MS_건대추 500g(30mm이상) (#M)식품>농산물>견과류>대추 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 대추'
- '2023년 아산 햇 싱싱 사과 대추 2kg 중(40-50과) (#M)식품>농산물>견과류>대추 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 대추'
- '23년 보은대추 달콤아삭 고당도 사과대추 생대추 1kg 생대추 1kg (22~24mm) (#M)식품>농산물>견과류>대추 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 대추'
|
| 16.0 | - '원더풀피스타치오 노 쉘 로스티드 솔티드 170g 4통 (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오'
- '산과들에 22년산 미국산 피스타치오 (생 볶음 구운) 400gx2봉 (견과) 구운피스타치오(염)400gx2봉 (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오'
- '[리치팜너트] 탈각피스타치오 250g 2팩 견과류 피스타치오 (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오'
|
| 14.0 | - '중국산 잣 백두산잣 수입잣 생잣 작은알 큰알 야생 2 캔 (총 500g)_큰알 (#M)식품>농산물>견과류>잣 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 잣'
- '가평잣 황잣 백잣 3캔 잣선물세트 (5캔)백잣140g(3개)+황잣140g(2개) (#M)식품>농산물>견과류>잣 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 잣'
- '국산잣170g x 16봉 견과류 잣 (#M)식품>농산물>견과류>잣 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 잣'
|
| 13.0 | - '국산 은행열매 피은행 은행알 1kg 토종 은행 딱딱한 껍질있는 피은행(소) 1KG (#M)식품>농산물>견과류>은행 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 은행'
- '은행 열매 깐은행 피은행 구이 은행알 1kg 깐은행 [대 사이즈] 500g (#M)식품>농산물>견과류>은행 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 은행'
- '깐은행 피은행 2022년 먹는 국산 햇 생 누드 은행 알 열매 500g 1kg 깐은행(특대) 500g (#M)식품>농산물>견과류>은행 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 은행'
|
| 9.0 | - '서래푸드 볶음땅콩 반태 1kg+1kg 미국산 (#M)식품>농산물>견과류>땅콩 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 땅콩'
- '국산볶음땅콩300g x 5팩 견과류 구운땅콩 (#M)식품>농산물>견과류>땅콩 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 땅콩'
- '23년 국산땅콩 고소한 여주생땅콩 볶음땅콩 300g 500g 1kg 1. 볶음땅콩 300g (#M)식품>농산물>견과류>땅콩 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 땅콩'
|
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 0.9995 |
## 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_top_fd3")
# Run inference
preds = model("올가 피스타치오(유기농) (100g) (#M)식품>농산물>견과류>피스타치오 T200 > Naverstore > 식품 > 견과류/건과류 > 견과류 > 피스타치오")
```
## Training Details
### Training Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:--------|:----|
| Word count | 14 | 21.3455 | 44 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 50 |
| 1.0 | 50 |
| 2.0 | 50 |
| 3.0 | 50 |
| 4.0 | 50 |
| 5.0 | 50 |
| 6.0 | 50 |
| 7.0 | 50 |
| 8.0 | 50 |
| 9.0 | 50 |
| 10.0 | 50 |
| 11.0 | 50 |
| 12.0 | 50 |
| 13.0 | 50 |
| 14.0 | 50 |
| 15.0 | 50 |
| 16.0 | 50 |
| 17.0 | 50 |
| 18.0 | 50 |
| 19.0 | 50 |
| 20.0 | 50 |
| 21.0 | 50 |
### Training Hyperparameters
- batch_size: (64, 64)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 30
- 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 |
|:-------:|:-----:|:-------------:|:---------------:|
| 0.0019 | 1 | 0.5252 | - |
| 0.0969 | 50 | 0.4976 | - |
| 0.1938 | 100 | 0.4278 | - |
| 0.2907 | 150 | 0.284 | - |
| 0.3876 | 200 | 0.1919 | - |
| 0.4845 | 250 | 0.0728 | - |
| 0.5814 | 300 | 0.0359 | - |
| 0.6783 | 350 | 0.0246 | - |
| 0.7752 | 400 | 0.0175 | - |
| 0.8721 | 450 | 0.014 | - |
| 0.9690 | 500 | 0.0099 | - |
| 1.0659 | 550 | 0.0103 | - |
| 1.1628 | 600 | 0.0108 | - |
| 1.2597 | 650 | 0.0094 | - |
| 1.3566 | 700 | 0.0107 | - |
| 1.4535 | 750 | 0.0078 | - |
| 1.5504 | 800 | 0.0027 | - |
| 1.6473 | 850 | 0.0019 | - |
| 1.7442 | 900 | 0.0014 | - |
| 1.8411 | 950 | 0.0029 | - |
| 1.9380 | 1000 | 0.0023 | - |
| 2.0349 | 1050 | 0.0012 | - |
| 2.1318 | 1100 | 0.0017 | - |
| 2.2287 | 1150 | 0.0021 | - |
| 2.3256 | 1200 | 0.0014 | - |
| 2.4225 | 1250 | 0.0003 | - |
| 2.5194 | 1300 | 0.0001 | - |
| 2.6163 | 1350 | 0.0001 | - |
| 2.7132 | 1400 | 0.0001 | - |
| 2.8101 | 1450 | 0.0001 | - |
| 2.9070 | 1500 | 0.0001 | - |
| 3.0039 | 1550 | 0.0001 | - |
| 3.1008 | 1600 | 0.0001 | - |
| 3.1977 | 1650 | 0.0001 | - |
| 3.2946 | 1700 | 0.0001 | - |
| 3.3915 | 1750 | 0.0001 | - |
| 3.4884 | 1800 | 0.0001 | - |
| 3.5853 | 1850 | 0.0 | - |
| 3.6822 | 1900 | 0.0 | - |
| 3.7791 | 1950 | 0.0 | - |
| 3.8760 | 2000 | 0.0 | - |
| 3.9729 | 2050 | 0.0 | - |
| 4.0698 | 2100 | 0.0 | - |
| 4.1667 | 2150 | 0.0 | - |
| 4.2636 | 2200 | 0.0 | - |
| 4.3605 | 2250 | 0.0 | - |
| 4.4574 | 2300 | 0.0001 | - |
| 4.5543 | 2350 | 0.0 | - |
| 4.6512 | 2400 | 0.0 | - |
| 4.7481 | 2450 | 0.0 | - |
| 4.8450 | 2500 | 0.0 | - |
| 4.9419 | 2550 | 0.0 | - |
| 5.0388 | 2600 | 0.0 | - |
| 5.1357 | 2650 | 0.0 | - |
| 5.2326 | 2700 | 0.0 | - |
| 5.3295 | 2750 | 0.0 | - |
| 5.4264 | 2800 | 0.0 | - |
| 5.5233 | 2850 | 0.0 | - |
| 5.6202 | 2900 | 0.0 | - |
| 5.7171 | 2950 | 0.0 | - |
| 5.8140 | 3000 | 0.0 | - |
| 5.9109 | 3050 | 0.0 | - |
| 6.0078 | 3100 | 0.0 | - |
| 6.1047 | 3150 | 0.0 | - |
| 6.2016 | 3200 | 0.0 | - |
| 6.2984 | 3250 | 0.0 | - |
| 6.3953 | 3300 | 0.0 | - |
| 6.4922 | 3350 | 0.0 | - |
| 6.5891 | 3400 | 0.0 | - |
| 6.6860 | 3450 | 0.0 | - |
| 6.7829 | 3500 | 0.0 | - |
| 6.8798 | 3550 | 0.0 | - |
| 6.9767 | 3600 | 0.0 | - |
| 7.0736 | 3650 | 0.0 | - |
| 7.1705 | 3700 | 0.0 | - |
| 7.2674 | 3750 | 0.0 | - |
| 7.3643 | 3800 | 0.0 | - |
| 7.4612 | 3850 | 0.0 | - |
| 7.5581 | 3900 | 0.0 | - |
| 7.6550 | 3950 | 0.0 | - |
| 7.7519 | 4000 | 0.0 | - |
| 7.8488 | 4050 | 0.0 | - |
| 7.9457 | 4100 | 0.0 | - |
| 8.0426 | 4150 | 0.0 | - |
| 8.1395 | 4200 | 0.0 | - |
| 8.2364 | 4250 | 0.0 | - |
| 8.3333 | 4300 | 0.0 | - |
| 8.4302 | 4350 | 0.0 | - |
| 8.5271 | 4400 | 0.0 | - |
| 8.6240 | 4450 | 0.0 | - |
| 8.7209 | 4500 | 0.0 | - |
| 8.8178 | 4550 | 0.0 | - |
| 8.9147 | 4600 | 0.0 | - |
| 9.0116 | 4650 | 0.0 | - |
| 9.1085 | 4700 | 0.0 | - |
| 9.2054 | 4750 | 0.0 | - |
| 9.3023 | 4800 | 0.0 | - |
| 9.3992 | 4850 | 0.0 | - |
| 9.4961 | 4900 | 0.0 | - |
| 9.5930 | 4950 | 0.0 | - |
| 9.6899 | 5000 | 0.0 | - |
| 9.7868 | 5050 | 0.0 | - |
| 9.8837 | 5100 | 0.0 | - |
| 9.9806 | 5150 | 0.0 | - |
| 10.0775 | 5200 | 0.0 | - |
| 10.1744 | 5250 | 0.0 | - |
| 10.2713 | 5300 | 0.0 | - |
| 10.3682 | 5350 | 0.0 | - |
| 10.4651 | 5400 | 0.0 | - |
| 10.5620 | 5450 | 0.0 | - |
| 10.6589 | 5500 | 0.0 | - |
| 10.7558 | 5550 | 0.0 | - |
| 10.8527 | 5600 | 0.0 | - |
| 10.9496 | 5650 | 0.0 | - |
| 11.0465 | 5700 | 0.0 | - |
| 11.1434 | 5750 | 0.0 | - |
| 11.2403 | 5800 | 0.0 | - |
| 11.3372 | 5850 | 0.0 | - |
| 11.4341 | 5900 | 0.0 | - |
| 11.5310 | 5950 | 0.0 | - |
| 11.6279 | 6000 | 0.0 | - |
| 11.7248 | 6050 | 0.0 | - |
| 11.8217 | 6100 | 0.0 | - |
| 11.9186 | 6150 | 0.0 | - |
| 12.0155 | 6200 | 0.0 | - |
| 12.1124 | 6250 | 0.0 | - |
| 12.2093 | 6300 | 0.0 | - |
| 12.3062 | 6350 | 0.0 | - |
| 12.4031 | 6400 | 0.0 | - |
| 12.5 | 6450 | 0.0 | - |
| 12.5969 | 6500 | 0.0 | - |
| 12.6938 | 6550 | 0.0 | - |
| 12.7907 | 6600 | 0.0 | - |
| 12.8876 | 6650 | 0.0 | - |
| 12.9845 | 6700 | 0.0 | - |
| 13.0814 | 6750 | 0.0 | - |
| 13.1783 | 6800 | 0.0 | - |
| 13.2752 | 6850 | 0.0 | - |
| 13.3721 | 6900 | 0.0 | - |
| 13.4690 | 6950 | 0.0 | - |
| 13.5659 | 7000 | 0.0 | - |
| 13.6628 | 7050 | 0.0 | - |
| 13.7597 | 7100 | 0.0 | - |
| 13.8566 | 7150 | 0.0 | - |
| 13.9535 | 7200 | 0.0 | - |
| 14.0504 | 7250 | 0.0 | - |
| 14.1473 | 7300 | 0.0 | - |
| 14.2442 | 7350 | 0.0 | - |
| 14.3411 | 7400 | 0.0 | - |
| 14.4380 | 7450 | 0.0 | - |
| 14.5349 | 7500 | 0.0 | - |
| 14.6318 | 7550 | 0.0 | - |
| 14.7287 | 7600 | 0.0 | - |
| 14.8256 | 7650 | 0.0 | - |
| 14.9225 | 7700 | 0.0 | - |
| 15.0194 | 7750 | 0.0 | - |
| 15.1163 | 7800 | 0.0 | - |
| 15.2132 | 7850 | 0.0 | - |
| 15.3101 | 7900 | 0.0 | - |
| 15.4070 | 7950 | 0.0 | - |
| 15.5039 | 8000 | 0.0 | - |
| 15.6008 | 8050 | 0.0 | - |
| 15.6977 | 8100 | 0.0 | - |
| 15.7946 | 8150 | 0.0 | - |
| 15.8915 | 8200 | 0.0 | - |
| 15.9884 | 8250 | 0.0 | - |
| 16.0853 | 8300 | 0.0 | - |
| 16.1822 | 8350 | 0.0 | - |
| 16.2791 | 8400 | 0.0 | - |
| 16.3760 | 8450 | 0.0 | - |
| 16.4729 | 8500 | 0.0 | - |
| 16.5698 | 8550 | 0.0 | - |
| 16.6667 | 8600 | 0.0 | - |
| 16.7636 | 8650 | 0.0 | - |
| 16.8605 | 8700 | 0.0 | - |
| 16.9574 | 8750 | 0.0 | - |
| 17.0543 | 8800 | 0.0 | - |
| 17.1512 | 8850 | 0.0 | - |
| 17.2481 | 8900 | 0.0 | - |
| 17.3450 | 8950 | 0.0 | - |
| 17.4419 | 9000 | 0.0 | - |
| 17.5388 | 9050 | 0.0 | - |
| 17.6357 | 9100 | 0.0 | - |
| 17.7326 | 9150 | 0.0 | - |
| 17.8295 | 9200 | 0.0 | - |
| 17.9264 | 9250 | 0.0 | - |
| 18.0233 | 9300 | 0.0 | - |
| 18.1202 | 9350 | 0.0 | - |
| 18.2171 | 9400 | 0.0 | - |
| 18.3140 | 9450 | 0.0 | - |
| 18.4109 | 9500 | 0.0 | - |
| 18.5078 | 9550 | 0.0 | - |
| 18.6047 | 9600 | 0.0 | - |
| 18.7016 | 9650 | 0.0 | - |
| 18.7984 | 9700 | 0.0 | - |
| 18.8953 | 9750 | 0.0 | - |
| 18.9922 | 9800 | 0.0 | - |
| 19.0891 | 9850 | 0.0 | - |
| 19.1860 | 9900 | 0.0 | - |
| 19.2829 | 9950 | 0.0 | - |
| 19.3798 | 10000 | 0.0 | - |
| 19.4767 | 10050 | 0.0 | - |
| 19.5736 | 10100 | 0.0 | - |
| 19.6705 | 10150 | 0.0 | - |
| 19.7674 | 10200 | 0.0 | - |
| 19.8643 | 10250 | 0.0 | - |
| 19.9612 | 10300 | 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}
}
```