Hugging Face's logo

mini1013
/
master_cate_sl4

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community

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:

  1. Fine-tuning a Sentence Transformer with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Model Labels

Label Examples
7.0
  • '다이와 DAIWA 한국다이와정공 소품케이스 클리어 파우치 S C 스포츠/레저>낚시>바다낚시>찌케이스'
  • '갓포스 고급 루어 낚시가방 루어대 원투대 하드 로드케이스 낚시대수납 단품 112CM-157CM 스포츠/레저>낚시>바다낚시>바다낚시가방'
  • '다이와 포터블 휴대용 로드케이스 B 140R 스포츠/레저>낚시>바다낚시>바다낚시가방'
3.0
  • '이공조구 원 포인트 바다루어낚싯대 S180 스포츠/레저>낚시>낚싯대>바다루어낚싯대'
  • '엔에스 블랙 매직아이 슬로우피치 바다루어낚싯대 B-592H3MF 스포츠/레저>낚시>낚싯대>바다루어낚싯대'
  • '은성 실스타 DHC 명파S 민물낚싯대 30칸 스포츠/레저>낚시>낚싯대>민물낚싯대'
1.0
  • '메이호 태클박스 루어케이스 도구통 지그통 VS-388DD 스포츠/레저>낚시>낚시용품>태클박스'
  • '다이와 쿨라인 알파 3 펄 TS2000 스포츠/레저>낚시>낚시용품>쿨백'
  • '슬라이드 낚시 쪽가위 라인커터기 합사가위 T74464474 스포츠/레저>낚시>낚시공구>가위/라인커터/핀온릴'
5.0
  • '다미끼 맘바2 러버지그-배스 루어 민물루어 1 2oz 스포츠/레저>낚시>루어낚시>하드베이트'
  • '루어 낚시 가물치 배스 5pcs 개구리 세트 프로그 스포츠/레저>낚시>루어낚시>루어낚시세트'
  • 'KFP 미노우 KS01 하드베이트 싱킹타입 루어 포퍼 웜 크랭크 프로팅 싱킹 배스 미끼 농어 베이트 스포츠/레저>낚시>루어낚시>하드베이트'
0.0
  • '다이와 레브로스 스피닝릴 LT2500D-XH 스포츠/레저>낚시>낚시릴>스피닝릴'
  • '바낙스 LJ100x 장구통릴 티탄 스포츠/레저>낚시>낚시릴>베이트릴'
  • '시마노 FX 1000 스피닝릴 스포츠/레저>낚시>낚시릴>스피닝릴'
4.0
  • '가마라 쇼크리더 카본 목줄 50m 6호 GFLUORO506 스포츠/레저>낚시>낚싯줄>카본라인'
  • '선라인 토네이도 마츠다 스페셜 블랙 스트림 낚싯줄 70m 1.75호 스포츠/레저>낚시>낚싯줄>카본라인'
  • '선라인 슈터 FC 스나이퍼 100m 4.5LB 스포츠/레저>낚시>낚싯줄>카본라인'
2.0
  • '다이와 낚시화 부츠 운동화 스파이크 슈즈 DAIWA 일본직구 DS-2150CD 스포츠/레저>낚시>낚시의류/잡화>낚시신발'
  • 'HDF 해동 피나투라 올컷 방한 덮개장갑 낚시장갑 스포츠/레저>낚시>낚시의류/잡화>낚시장갑'
  • '가마가츠 낚시 코듀라 힙가드 로우백 타입 단일사이즈 GM3727 스포츠/레저>낚시>낚시의류/잡화>힙커버/힙가드'
6.0
  • '루웍스 빙어 초릿대 23cm 스포츠/레저>낚시>민물낚시>얼음낚시'
  • '바다 민물 고기 낚시대 보관 수납 가방 하드케이스 스포츠/레저>낚시>민물낚시>민물낚시가방'
  • '고급 내림찌케이스 대형찌보관함 플로팅 보관박스 스포츠/레저>낚시>민물낚시>찌케이스'

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_sl4")
# Run inference
preds = model("송어베이스 루어 세트 스푼 미끼 스피너 보빈 인공 스포츠/레저>낚시>루어낚시>루어낚시세트")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 2 7.8018 19
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 70
4.0 70
5.0 70
6.0 70
7.0 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
0.0091 1 0.4946 -
0.4545 50 0.5017 -
0.9091 100 0.2322 -
1.3636 150 0.0559 -
1.8182 200 0.0182 -
2.2727 250 0.0165 -
2.7273 300 0.0018 -
3.1818 350 0.0001 -
3.6364 400 0.0001 -
4.0909 450 0.0001 -
4.5455 500 0.0 -
5.0 550 0.0 -
5.4545 600 0.0 -
5.9091 650 0.0 -
6.3636 700 0.0 -
6.8182 750 0.0 -
7.2727 800 0.0 -
7.7273 850 0.0 -
8.1818 900 0.0 -
8.6364 950 0.0 -
9.0909 1000 0.0 -
9.5455 1050 0.0 -
10.0 1100 0.0 -
10.4545 1150 0.0 -
10.9091 1200 0.0 -
11.3636 1250 0.0 -
11.8182 1300 0.0 -
12.2727 1350 0.0 -
12.7273 1400 0.0 -
13.1818 1450 0.0 -
13.6364 1500 0.0 -
14.0909 1550 0.0 -
14.5455 1600 0.0 -
15.0 1650 0.0 -
15.4545 1700 0.0 -
15.9091 1750 0.0 -
16.3636 1800 0.0 -
16.8182 1850 0.0 -
17.2727 1900 0.0 -
17.7273 1950 0.0 -
18.1818 2000 0.0 -
18.6364 2050 0.0 -
19.0909 2100 0.0 -
19.5455 2150 0.0 -
20.0 2200 0.0 -
20.4545 2250 0.0 -
20.9091 2300 0.0 -
21.3636 2350 0.0 -
21.8182 2400 0.0 -
22.2727 2450 0.0 -
22.7273 2500 0.0 -
23.1818 2550 0.0 -
23.6364 2600 0.0 -
24.0909 2650 0.0 -
24.5455 2700 0.0 -
25.0 2750 0.0 -
25.4545 2800 0.0 -
25.9091 2850 0.0 -
26.3636 2900 0.0 -
26.8182 2950 0.0 -
27.2727 3000 0.0 -
27.7273 3050 0.0 -
28.1818 3100 0.0 -
28.6364 3150 0.0 -
29.0909 3200 0.0 -
29.5455 3250 0.0 -
30.0 3300 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}
}
Downloads last month
253
Safetensors
Model size
111M params
Tensor type
F32
·
Inference Examples
Text Classification
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social visibility and check back later, or deploy to Inference Endpoints (dedicated) instead.

Model tree for mini1013/master_cate_sl4

Base model

klue/roberta-base
Finetuned
mini1013/master_domain
Finetuned
(182)
this model

Evaluation results

View on Papers With Code