You can deploy this model and start earning money today!

mini1013/
master_cate_bc4

Name: master_cate_bc4
Rating: 2.5 (7 reviews)

setfit

safetensors

roberta

sentence-transformers

text-classification

generated_from_setfit_trainer

2209.11055

mini1013/master_domain

finetune

model-index

Views

No views yet

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: 11 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
5.0	'유키두 물놀이 고래 잠수함 샤워기 출산/육아 > 목욕용품 > 유아목욕장난감' '베베라팡 헤엄치는 바다친구들 아기 욕조 물놀이 목욕놀이장난감 거북이 블루 출산/육아 > 목욕용품 > 유아목욕장난감' 'KC인증 목욕놀이 장난감 (고래,거북이,오리,상어) 유아 아기 물놀이 욕조 태엽 장난감 단품구성_큰고래(핑크) 출산/육아 > 목욕용품 > 유아목욕장난감'
7.0	'릴린져샴푸캡 아기 목욕모자 샤워캡 블루 출산/육아 > 목욕용품 > 유아샴푸캡' '돗투돗 말랑 샴푸캡 유아 목욕용품 해어캡 신생아 샴푸모자 돗바니 출산/육아 > 목욕용품 > 유아샴푸캡' '[귀애우비] 육아꿀템 아기목욕 귀 방수 스티커 출산선물 수영장 편한착용 안아픔 샴푸캡 소형(세트) - 2Box (100매) 출산/육아 > 목욕용품 > 유아샴푸캡'
1.0	'고리에거는 아이장난감정리망 그물주머니 흰색 출산/육아 > 목욕용품 > 욕실정리망/정리함' '욕실그물망 정리 함 가방 수납 장난감 화이트 DC002879 출산/육아 > 목욕용품 > 욕실정리망/정리함' '리빙 세탁바구니 1P 29x41x36cm 옷빨래 다용도수납 화이트 출산/육아 > 목욕용품 > 욕실정리망/정리함'
9.0	'아이너바움 비건인증 홈 케어 5종 (세탁+섬유+주방+토이+욕조) 세탁세제(코튼블랑)_섬유유연제(스윗선데이)_주방세제 (시트러스/액상형) 출산/육아 > 목욕용품 > 유아욕조' '스토케 플렉시바스 아기욕조 라지 화이트 출산/육아 > 목욕용품 > 유아욕조' '오케이베이비 오플라 아기욕조 히포 샴푸캡 세트 동의합니다_모카그레이_민트그린 출산/육아 > 목욕용품 > 유아욕조'
6.0	'어린이집수건 먼지없는 소창 고리수건 3겹(30X30) 5장세트 유치원 이름자수 핸드타올 소창 고리수건 3겹(30X30)-수건아래-5장_다크블루_그린 출산/육아 > 목욕용품 > 유아목욕타월' '베이비꼬 아기목욕타월 옐로우 출산/육아 > 목욕용품 > 유아목욕타월' '송월 베이비 어린이집 고리 수건 선물 이름자수 준비물 손수건 베이비시리즈_퍼플(열기구) 출산/육아 > 목욕용품 > 유아목욕타월'
4.0	'샤워 타올 스틱 손잡이 볼 욕실용품 볼브러쉬 등 바디 블루 출산/육아 > 목욕용품 > 유아목욕장갑/스펀지' '비비또 실리콘 아기목욕장갑 스펀지 신생아 유아 샤워볼 아기목욕장갑 2P(10% 할인)_헤븐리핑크_발틱블루 출산/육아 > 목욕용품 > 유아목욕장갑/스펀지' '뉴 샤워기 거치대 각도조절 샤워기홀더 편리한 욕실용품 생활용품 샤워기걸이 당일출고 데일리 01.180캐릭터샤워홀더-버드 출산/육아 > 목욕용품 > 유아목욕장갑/스펀지'
8.0	'유아 어린이 손씻기 세면대 수도꼭지 연장 물받이 회색 출산/육아 > 목욕용품 > 유아세면대/수도꼭지' '모던 수도꼭지 연장탭 베이지 출산/육아 > 목욕용품 > 유아세면대/수도꼭지' '버드시아 유아 세면대 (장난감놀이/신생아욕조/목욕놀이) 연그레이 출산/육아 > 목욕용품 > 유아세면대/수도꼭지'
2.0	'유아 비치가운 어린이 목욕가운 아기 타올 베이비 오리 출산/육아 > 목욕용품 > 유아목욕가운' '목욕 잠옷 가운 샤워 키구 동물 어린이 유니콘 플란넬 겨울 루미 유아 드레싱 타월 후드 11=Pinkstarunicorn_5 출산/육아 > 목욕용품 > 유아목욕가운' '스프링스트라이프조끼 오렌지_120 출산/육아 > 목욕용품 > 유아목욕가운'
3.0	'부품 : 아기비데 - 3in1 받침대 업그레이드 신생아 유아 출산선물 국내생산 색상추가 컴포트 3세대 받침대-엘레강스 아이보리 - 그린 출산/육아 > 목욕용품 > 유아목욕의자' '목욕의자 미용실 머리 샴푸 대형 실내 교육 업소 의자 D 출산/육아 > 목욕용품 > 유아목욕의자' '웰빙 은나노 목욕 의자 대 핑크 출산/육아 > 목욕용품 > 유아목욕의자'
0.0	'나무 욕조 히노끼 이동식 홈 스타 사우나 목욕 삼나무 장90 x58 78+커버(친환경 왁스) 출산/육아 > 목욕용품 > 기타목욕용품' '두근두근 점프대 목욕놀이 세트 3pcs 출산/육아 > 목욕용품 > 기타목욕용품' '창신 베어트리 욕실 용품 양치컵 욕실의자 칫솔꽂이 4.창신 베어트리 욕실의자(대) 출산/육아 > 목욕용품 > 기타목욕용품'
10.0	'밀폐형 전해 셀, 3 전극 시스템 반응기 매칭 165900 50ml 165900 50ml 출산/육아 > 목욕용품 > 유아욕탕온도계' '직수입 디지털 온도계 습도계 탕온계 모음 스마일(심플) 온습도계 핑크 02.스마일(패턴)온습도계_화이트 출산/육아 > 목욕용품 > 유아욕탕온도계' '(건전지 포함)디지털 대화면 온습도계 아날로그 욕실 육추기 병아리 오리 탕온도 병아리 계란 아날로그온습도계 출산/육아 > 목욕용품 > 유아욕탕온도계'

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.

python

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_bc4")
# Run inference
preds = model("욕실 타일 바닥 미끄럼방지 스티커 12P 세트  출산/육아 > 목욕용품 > 기타목욕용품")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	7	14.2403	27

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
8.0	70
9.0	70
10.0	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
0.0066	1	0.4891	-
0.3311	50	0.5008	-
0.6623	100	0.4057	-
0.9934	150	0.3132	-
1.3245	200	0.176	-
1.6556	250	0.0868	-
1.9868	300	0.0349	-
2.3179	350	0.0133	-
2.6490	400	0.0018	-
2.9801	450	0.0006	-
3.3113	500	0.0004	-
3.6424	550	0.0005	-
3.9735	600	0.0003	-
4.3046	650	0.0002	-
4.6358	700	0.0002	-
4.9669	750	0.0002	-
5.2980	800	0.0001	-
5.6291	850	0.0001	-
5.9603	900	0.0001	-
6.2914	950	0.0001	-
6.6225	1000	0.0001	-
6.9536	1050	0.0001	-
7.2848	1100	0.0001	-
7.6159	1150	0.0001	-
7.9470	1200	0.0001	-
8.2781	1250	0.0001	-
8.6093	1300	0.0001	-
8.9404	1350	0.0001	-
9.2715	1400	0.0001	-
9.6026	1450	0.0	-
9.9338	1500	0.0001	-
10.2649	1550	0.0	-
10.5960	1600	0.0	-
10.9272	1650	0.0	-
11.2583	1700	0.0	-
11.5894	1750	0.0	-
11.9205	1800	0.0	-
12.2517	1850	0.0	-
12.5828	1900	0.0	-
12.9139	1950	0.0	-
13.2450	2000	0.0	-
13.5762	2050	0.0	-
13.9073	2100	0.0	-
14.2384	2150	0.0	-
14.5695	2200	0.0	-
14.9007	2250	0.0	-
15.2318	2300	0.0	-
15.5629	2350	0.0	-
15.8940	2400	0.0	-
16.2252	2450	0.0	-
16.5563	2500	0.0	-
16.8874	2550	0.0	-
17.2185	2600	0.0	-
17.5497	2650	0.0	-
17.8808	2700	0.0	-
18.2119	2750	0.0	-
18.5430	2800	0.0	-
18.8742	2850	0.0	-
19.2053	2900	0.0	-
19.5364	2950	0.0	-
19.8675	3000	0.0	-
20.1987	3050	0.0	-
20.5298	3100	0.0	-
20.8609	3150	0.0	-
21.1921	3200	0.0	-
21.5232	3250	0.0	-
21.8543	3300	0.0	-
22.1854	3350	0.0	-
22.5166	3400	0.0	-
22.8477	3450	0.0	-
23.1788	3500	0.0	-
23.5099	3550	0.0	-
23.8411	3600	0.0	-
24.1722	3650	0.0	-
24.5033	3700	0.0	-
24.8344	3750	0.0	-
25.1656	3800	0.0	-
25.4967	3850	0.0	-
25.8278	3900	0.0	-
26.1589	3950	0.0	-
26.4901	4000	0.0	-
26.8212	4050	0.0	-
27.1523	4100	0.0	-
27.4834	4150	0.0	-
27.8146	4200	0.0	-
28.1457	4250	0.0	-
28.4768	4300	0.0	-
28.8079	4350	0.0	-
29.1391	4400	0.0	-
29.4702	4450	0.0	-
29.8013	4500	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}
}