File size: 12,125 Bytes
ce9cf56 |
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 |
---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 인체모형 교육용 해부 해부학 마네킹 해골 뼈 업그레이드된버전62CM색상흰색남성모델찌를수있음 에스와이컴퍼니
- text: 고급 패브릭정리함 리빙박스 트윈커버 소형 기안79
- text: 거치대 대회 전시 진열 태권도 트로피 메달 스포츠 디스플레이 선반 가로 120 세로 20센티_라이트 텍스처 나무판자 색상표:오색 라인
프레즈스튜디오
- text: 투명 조립식 신발장 신발 정리대 수납장 보관함 민트 살림공백
- text: 고양이 철제 실내화 정리대 슬리퍼 꽂이 걸이 거치대 현관 화장실 현관 홀더 슈즈렉 4단 고양이 실내화거치대_화이트 티비앤지컴퍼니 (TB&G
Co.)
inference: true
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: metric
value: 0.937399876771411
name: Metric
---
# 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:** 9 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 |
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 6.0 | <ul><li>'아임홈리빙 베이직 튼튼 논슬립 옷걸이 1P 퍼플 주식회사에버원'</li><li>'[리벤스] 코팅 논슬립 바지걸이 20P / 원목 바지걸이 및 행거 G.화이트 싱글 1단 이동식행거 아소리빙'</li><li>'[ 판매] 아이지베스트 바두기 뉴매직 행거 30p 바두기'</li></ul> |
| 3.0 | <ul><li>'스판 선풍기커버 난방기 온풍기 보관 덮개 커버 먼지차단 헤드형 스탠드형 스판선풍기커버 헤드형_베이지 굿조인'</li><li>'보관 스탠드 선풍기 커버 방수 일반형 헤드 케이스 북유럽풍 수납하기좋은 카바 헤드형_그레이 바른상회'</li><li>'공업용 선풍기 안전망 대형 산업 보호망 커버 용품 카바 30in 고퀄리'</li></ul> |
| 4.0 | <ul><li>'무타공 벽부착 화장지 수납 다용도 걸이 바구니 소품 선반바 스켓 거치대 케이스 인테리어 그레이1P 이노트러스트'</li><li>'스텐 주방 싱크대 도어행거 후크 수건 행주 걸이 문걸이행거 화이트도장_도어행거1P 주식회사 제이케이씨글로벌'</li><li>'로에드 초강력 마그네틱 자석 후크 마스크 걸이 10P 미니자석후크 10개세트(E10) 데일리마켓'</li></ul> |
| 7.0 | <ul><li>'심플 헹거커버 헹거커버-브라운 갱자상회'</li><li>'먼지방지 프리미엄 옷커버 혼합(자켓용10P+코트용5P) 총 15P GSSHOP_'</li><li>'인앳홈 의류먼지방지덮개 행거커버 의류오염방지커버 No 01.반투명 먼지 방지덮개 60X110 디엘시스'</li></ul> |
| 2.0 | <ul><li>'[비카] 트롤리 /수납함/츄레이/기저귀함/이동식수납함/주방용품/식당 비카_다크크레이 '</li><li>'할메이드 주방 화장품 서랍 이동식 트롤리 틈새 선반 바퀴달린 수납장 트레이 3단 메쉬 트롤리 4단 화이트 (주)할메이드'</li><li>'아텍스 다용도 베란다벽선반 팬트리 세탁실 벽걸이 반달 화이트/봉스테인레스/올스테인레스 국내제작_MC 반달화이트 43cm_1단 1.2m 멸치쇼핑'</li></ul> |
| 1.0 | <ul><li>'쇼핑 바구니 마트 장바구니 플라스틱 시장 편의점 AA 미니 초록 쇼핑 바구니 왕대 초록 주식회사 오메가키친'</li><li>'[다이소]칸칸이수납바구니-1001900 (주)한웰이쇼핑'</li><li>'대나무 석작 한과바구니 대나무함 한과상자 폐백 떡바 타입 타입_사각 석작 - 소 이잡스2'</li></ul> |
| 0.0 | <ul><li>'[애구애구]강아지 애견 마네킹 인형 S/M/L 04_L 블랙시니어 신세계몰'</li><li>'매장용 목걸이 귀걸이 거치 마네킹 디스플레이 쥬얼리 14 소소한'</li><li>'상체마네킹 남성정장 디스플레이 마네킹 양복점 전신 드레스 스탠드 의류매장모델행거 Q 아띠쇼핑'</li></ul> |
| 5.0 | <ul><li>'맨손진공순삭압축팩 맨손압축팩 45x70 세인 클러스터'</li><li>'대형 입체 압축팩 이불 인형 보관 상품선택_중호세로형 행밤'</li><li>'맨손진공순삭압축팩 맨손압축팩 56x80 세인 클러스터'</li></ul> |
| 8.0 | <ul><li>'4개 택일 대형 중형 종이수납박스 리빙 대형 캣마스터'</li><li>'[펠로우즈] 뱅커스 베이직 / 프레스트 파일박스(2개입) 베이직 오피스디포 의왕군포점'</li><li>'펠로우즈 파일박스 Presto 블루 17243 2개 플렉스온컴퍼니'</li></ul> |
## Evaluation
### Metrics
| Label | Metric |
|:--------|:-------|
| **all** | 0.9374 |
## 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_lh14")
# Run inference
preds = model("고급 패브릭정리함 리빙박스 트윈커버 소형 기안79")
```
<!--
### 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 | 10.5244 | 22 |
| 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 |
### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 40
- 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0141 | 1 | 0.3887 | - |
| 0.7042 | 50 | 0.3275 | - |
| 1.4085 | 100 | 0.1223 | - |
| 2.1127 | 150 | 0.0307 | - |
| 2.8169 | 200 | 0.0273 | - |
| 3.5211 | 250 | 0.0253 | - |
| 4.2254 | 300 | 0.0097 | - |
| 4.9296 | 350 | 0.0156 | - |
| 5.6338 | 400 | 0.0156 | - |
| 6.3380 | 450 | 0.0175 | - |
| 7.0423 | 500 | 0.0136 | - |
| 7.7465 | 550 | 0.0117 | - |
| 8.4507 | 600 | 0.002 | - |
| 9.1549 | 650 | 0.0174 | - |
| 9.8592 | 700 | 0.0155 | - |
| 10.5634 | 750 | 0.0136 | - |
| 11.2676 | 800 | 0.0193 | - |
| 11.9718 | 850 | 0.0135 | - |
| 12.6761 | 900 | 0.0004 | - |
| 13.3803 | 950 | 0.0001 | - |
| 14.0845 | 1000 | 0.0001 | - |
| 14.7887 | 1050 | 0.0001 | - |
| 15.4930 | 1100 | 0.0 | - |
| 16.1972 | 1150 | 0.0 | - |
| 16.9014 | 1200 | 0.0 | - |
| 17.6056 | 1250 | 0.0 | - |
| 18.3099 | 1300 | 0.0 | - |
| 19.0141 | 1350 | 0.0 | - |
| 19.7183 | 1400 | 0.0 | - |
### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.46.1
- PyTorch: 2.4.0+cu121
- Datasets: 2.20.0
- Tokenizers: 0.20.0
## 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.*
--> |