metadata

tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 피클볼라켓 가족용 나무 패들 초보자 라켓 메쉬 캐리 백 스포츠/레저>수련용품>기타수련용품
  - text: 미즈노 복싱화 레슬링화 권투화 피니셔 미드 FINISHER MID 스포츠/레저>수련용품>수련화
  - text: 프랭클린 스포츠 사이즈 콘홀 백 - 8 프리미엄 6 헤비 듀티 더블 스티치 캔버스 스포츠/레저>수련용품>기타수련용품
  - text: 미즈노 복싱화 권투화 이지 스펙트라 37 플래시 그린 X 05 테두리 BM518 스포츠/레저>수련용품>수련화
  - text: 주짓수 경량 도복 상하세트 훈련 남성 여성 통기성 스포츠/레저>수련용품>무도복
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
            name: Accuracy

SetFit with mini1013/master_domain

This is a SetFit model that can be used for Text Classification. This SetFit model uses mini1013/master_domain as the Sentence Transformer embedding model. A LogisticRegression instance is used for classification.

The model has been trained using an efficient few-shot learning technique that involves:

Fine-tuning a Sentence Transformer with contrastive learning.
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
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 5 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
4.0	'레슬링화 신발 남성 권투화 전문 훈련 복싱용품 복싱 남녀공용 트레이닝 스포츠/레저>수련용품>수련화' '아디다스 복싱 스피덱스18 복싱화 FZ5308 스포츠/레저>수련용품>수련화' '여성 복싱화 킥복싱 신발 권투화 운동화-514 스포츠/레저>수련용품>수련화'
0.0	'HK 조립식송판 태권도 격파판 격투기 용품 스포츠/레저 > 수련용품 > 격파용품' '격파 용품 나무 격파판 나무송판 행사용 태권도 격파용 9mm 송판 50장묶음 스포츠/레저 > 수련용품 > 격파용품' '무토 중급자용 플라스틱 송판 62kg 스포츠/레저>수련용품>격파용품'
3.0	'케이네트워크 컨텐더 시합용 주짓수도복 펄위브 도복 CJW-554WR 스포츠/레저>수련용품>무도복' '주짓수 도복 기모노 훈련복 어린이 성인 여성 스포츠/레저>수련용품>무도복' '무에타이 트렁크 쇼츠 바지 격투기 UFC 권투 팬츠 파이트 MMA 킥복싱 반바지 스포츠/레저>수련용품>무도복'
1.0	'전동 포일보드 방수 고출력 이포일 하이드로 윈드 스포츠/레저>수련용품>기타수련용품' '남성과 여성을위한 전문 승마 초박형 속건 바지 흰색 경쟁 훈련 장비 실리콘 스포츠/레저>수련용품>기타수련용품' 'Weaver 가죽 벨트 블랭크 스냅 구멍 스포츠/레저>수련용품>기타수련용품'
2.0	'다오코리아 유도 태권도 주짓수 검정띠 자수포함 품띠 검은띠 유단자띠 스포츠/레저 > 수련용품 > 띠/벨트' '아디다스 벨트 태권도 유급자 색 띠 스포츠/레저 > 수련용품 > 띠/벨트' '아디다스 유도벨트 띠 선수용띠 국가대표 실업팀 대회띠 유도선수용 블랙밸트 스포츠/레저 > 수련용품 > 띠/벨트'

Evaluation

Metrics

Label	Accuracy
all	1.0

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_sl15")
# Run inference
preds = model("주짓수 경량 도복 상하세트 훈련 남성 여성 통기성 스포츠/레저>수련용품>무도복")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	3	9.7851	20

Label	Training Sample Count
0.0	9
1.0	70
2.0	9
3.0	70
4.0	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
0.0222	1	0.4899	-
1.1111	50	0.4031	-
2.2222	100	0.0374	-
3.3333	150	0.0	-
4.4444	200	0.0	-
5.5556	250	0.0	-
6.6667	300	0.0	-
7.7778	350	0.0	-
8.8889	400	0.0	-
10.0	450	0.0	-
11.1111	500	0.0	-
12.2222	550	0.0	-
13.3333	600	0.0	-
14.4444	650	0.0	-
15.5556	700	0.0	-
16.6667	750	0.0	-
17.7778	800	0.0	-
18.8889	850	0.0	-
20.0	900	0.0	-
21.1111	950	0.0	-
22.2222	1000	0.0	-
23.3333	1050	0.0	-
24.4444	1100	0.0	-
25.5556	1150	0.0	-
26.6667	1200	0.0	-
27.7778	1250	0.0	-
28.8889	1300	0.0	-
30.0	1350	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

@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}
}