README.md

---
library_name: setfit
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
metrics:
- accuracy
widget:
- text: J'avais comme habitudes de manger en regardant un film 🎥 et là j'ai arrêté
    ça . Je ne regarde plus de films car mon cerveau à relié films = nourriture .
    C'est fou non !
- text: 'Surtout quand tu es un jeune homme, commencer à se forger un physique c''est
    important.

    Rester maigre qqpart dans le regard des autres c''est rester un enfant, j''ai
    connu c''est vraiment pas agréable'
- text: 'typique de la société capitaliste/consumériste = remplacer le problème par
    un autre problème. Je suis certaine qu''il y a d''autres troubles dont on ne parle
    pas. 

    Moi qui aies connu tout l''inverse (anorexie) les médias ont été  en grande partie
    la cause. On en a pas fini avec tous ces troubles qui se développent dans la société
    qui est la notre.'
- text: 'C’est horrible.

    L’anorexie est une maladie mentale terrible et elle fait énormément souffrir,
    surtout psychologiquement que physiquement, c’est invivable..


    Je suis contente qu’elle se sente mieux aujourd’hui, mais ce qu’elle a vécu il
    y a quelques temps n’est pas une vie, 90 laxatifs par jour, sa raison de vivre
    était de perdre du poids, une raison qu’il l’a énormément rapproché de la mort.


    C’est une maladie avant tout mentale, pour essayer de la guérir au mieux ils font
    tomber sur une hospitalisation où le personnel soignant et les médecins ne chercheront
    pas à goinfrer la fille, ou le garçon.


    À longs therme et court therme les conséquences de la maladie peuvent être très
    néfastes, on peut perdre un organe, on peut mourir, il peut y avoir des troubles
    obsessionnels compulsifs, des idées suicidaires, et j’en passe...


    J’envoie ma force à ces filles qui a l’heure où j’écris sont hospitalisées, sont
    souffrantes de ça, je sais que vous dire de vous battre n’est pas forcément efficace,
    seul vous pouvez changer votre point de vue, un jour vous y arriverez, je sais
    que vous n’y croyez pas, mais moi pourtant j’y crois..'
- text: Lire "l'anorexie une addiction au plaisir de maigrir" sciences et avenir
pipeline_tag: text-classification
inference: false
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
model-index:
- name: SetFit with sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  results:
  - task:
      type: text-classification
      name: Text Classification
    dataset:
      name: Unknown
      type: unknown
      split: test
    metrics:
    - type: accuracy
      value: 0.7860696517412935
      name: Accuracy
---

# SetFit with sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) as the Sentence Transformer embedding model. A OneVsRestClassifier 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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2)
- **Classification head:** a OneVsRestClassifier instance
- **Maximum Sequence Length:** 128 tokens
<!-- - **Number of Classes:** Unknown -->
<!-- - **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)

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 0.7861   |

## 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("Ghofranem/setfit-paraphrase-multilingual-MiniLM-L12-v2-ed-fr")
# Run inference
preds = model("Lire \"l'anorexie une addiction au plaisir de maigrir\" sciences et avenir")
```

<!--
### 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   | 4   | 68.8313 | 694 |

### Training Hyperparameters
- batch_size: (16, 16)
- num_epochs: (1, 1)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 5
- body_learning_rate: (2e-05, 2e-05)
- head_learning_rate: 2e-05
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False

### Training Results
| Epoch  | Step | Training Loss | Validation Loss |
|:------:|:----:|:-------------:|:---------------:|
| 0.0010 | 1    | 0.3025        | -               |
| 0.0498 | 50   | 0.3227        | -               |
| 0.0996 | 100  | 0.1451        | -               |
| 0.1494 | 150  | 0.0662        | -               |
| 0.1992 | 200  | 0.1114        | -               |
| 0.2490 | 250  | 0.0723        | -               |
| 0.2988 | 300  | 0.0375        | -               |
| 0.3486 | 350  | 0.0252        | -               |
| 0.3984 | 400  | 0.0497        | -               |
| 0.4482 | 450  | 0.087         | -               |
| 0.4980 | 500  | 0.0584        | -               |
| 0.5478 | 550  | 0.0758        | -               |
| 0.5976 | 600  | 0.0624        | -               |
| 0.6474 | 650  | 0.0572        | -               |
| 0.6972 | 700  | 0.0726        | -               |
| 0.7470 | 750  | 0.0012        | -               |
| 0.7968 | 800  | 0.0052        | -               |
| 0.8466 | 850  | 0.0309        | -               |
| 0.8964 | 900  | 0.0713        | -               |
| 0.9462 | 950  | 0.0043        | -               |
| 0.9960 | 1000 | 0.0049        | -               |

### Framework Versions
- Python: 3.10.12
- SetFit: 1.0.3
- Sentence Transformers: 2.5.1
- Transformers: 4.38.2
- PyTorch: 2.2.1+cu121
- Datasets: 2.18.0
- Tokenizers: 0.15.2

## 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.*
-->