mini1013/master_cate_bc27

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 Type: SetFit
• Sentence Transformer body: mini1013/master_domain
• Classification head: a LogisticRegression instance
• Maximum Sequence Length: 512 tokens
• Number of Classes: 7 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
6.0	'반팔퍼프 모노키니 임부복수영복 셔링비키니 빅사이즈 화이트, 블랙 (M,L,XL) 블랙_L 출산/육아 > 임부복 > 임부용수영복' '2024 새로운 임산부 수영복 배꼽 커버 큰 연꽃 잎 가장자리 한 어깨 원피스 수영복 기초 잎_XXXL 출산/육아 > 임부복 > 임부용수영복' '임산부래쉬가드 임산부수영복 체형커버 빅사이즈 만삭 블루_S 출산/육아 > 임부복 > 임부용수영복'
4.0	'보리맘 투투 반팔 원피스 세트 롱원피스 임부복 R414 출산/육아 > 임부복 > 원피스' '고급스러운 카라 브이넥 부드러운 니트 페이크버튼 임산부원피스 임부복원피스 만삭임부복 블랙_Free 출산/육아 > 임부복 > 원피스' '출산 전후 임산부 골반 복대 벨트 B_엘 출산/육아 > 임부복 > 원피스'
3.0	'9022 2023 용수철 여름 주름 임산부 스커트 신축성 허리 뱃살 의류 임산부 하의 출산/육아 > 임부복 > 스커트' '가을 코디 투피스 니트 스커트 탑 스웨터 원피스 나른한 세트 임부스커트-블랙_L 출산/육아 > 임부복 > 스커트' '임산부 스커트 임부복 치마 가을 겨울 벨벳 A 라인 빅사이즈 플리츠 편안한 블랙레귤러 스타일_XXL 출산/육아 > 임부복 > 스커트'
1.0	'임부복 썸머플리츠 임산부반바지 출산/육아 > 임부복 > 바지' '뉴니끄 임산부 빅사이즈 수유브라 수유나시 팬티 임산부내의 임산부 손목보호대 일반형(2p) 텐셀랩 임산부 드로즈팬티_파스텔블루_M-L 출산/육아 > 임부복 > 바지' 'AMPOSH 여성용 임산부운동복 바지 신축성 임신 조거 팬츠 보온츄리닝 트레이닝복 헤더버건디_XL 출산/육아 > 임부복 > 바지'
0.0	'임산부 원피스 임부복 배 지지 레깅스 출산/육아 > 임부복 > 레깅스' '원피스 임산부 임부복 와이드 벨트 배 지지 레깅스 출산/육아 > 임부복 > 레깅스' '임산부 겨울 레깅스 겨울용 두꺼운 임산부용 러블리 쇼 얇은 바지 파일 패브릭 510g 04 golden blue_03 XXL 출산/육아 > 임부복 > 레깅스'
5.0	'마마조이 심리스 에어 수유브라 그레이_L 출산/육아 > 임부복 > 임부속옷 > 수유브라' '수유나시 원터치 임산부 임부 속옷 잠옷 수유복 산모 내의 블루_2XL 출산/육아 > 임부복 > 임부속옷 > 임부러닝' '쌍방울 TRY 마더마인드 9부 면스판 임산부 내복 272 상하 1세트 TW9S272 피치_000 (Free) 출산/육아 > 임부복 > 임부속옷 > 임부내복'
2.0	'Summer Mae 임산부 수영복 원피스 수영복 버튼 넥 크로스 백 정품보장 Large_Purple 출산/육아 > 임부복 > 수유복' '랭글러 Wrangler 여성용 레트로 Mae 임산부 부츠 컷 진 정품보장 Denim_0-34 출산/육아 > 임부복 > 수유복' '반폴라 봄 축열덕융세트 레깅스 상의 티셔츠 이너 가을겨울 3XL[72.5-82.5kg 권장]_카멜반폴라[가을겨울 보온] 출산/육아 > 임부복 > 수유복'

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_bc27")
# Run inference
preds = model("반팔 부엉이레이스티 여성의류 임부복 임산부티셔츠  출산/육아 > 임부복 > 수유복")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	8	15.0776	33

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

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
0.0104	1	0.4946	-
0.5208	50	0.4988	-
1.0417	100	0.348	-
1.5625	150	0.1457	-
2.0833	200	0.0479	-
2.6042	250	0.0175	-
3.125	300	0.0002	-
3.6458	350	0.0001	-
4.1667	400	0.0001	-
4.6875	450	0.0	-
5.2083	500	0.0	-
5.7292	550	0.0	-
6.25	600	0.0	-
6.7708	650	0.0	-
7.2917	700	0.0	-
7.8125	750	0.0	-
8.3333	800	0.0	-
8.8542	850	0.0	-
9.375	900	0.0	-
9.8958	950	0.0	-
10.4167	1000	0.0	-
10.9375	1050	0.0	-
11.4583	1100	0.0	-
11.9792	1150	0.0	-
12.5	1200	0.0	-
13.0208	1250	0.0	-
13.5417	1300	0.0	-
14.0625	1350	0.0	-
14.5833	1400	0.0	-
15.1042	1450	0.0	-
15.625	1500	0.0	-
16.1458	1550	0.0	-
16.6667	1600	0.0	-
17.1875	1650	0.0	-
17.7083	1700	0.0	-
18.2292	1750	0.0	-
18.75	1800	0.0	-
19.2708	1850	0.0	-
19.7917	1900	0.0	-
20.3125	1950	0.0	-
20.8333	2000	0.0	-
21.3542	2050	0.0	-
21.875	2100	0.0	-
22.3958	2150	0.0	-
22.9167	2200	0.0	-
23.4375	2250	0.0	-
23.9583	2300	0.0	-
24.4792	2350	0.0	-
25.0	2400	0.0	-
25.5208	2450	0.0	-
26.0417	2500	0.0	-
26.5625	2550	0.0	-
27.0833	2600	0.0	-
27.6042	2650	0.0	-
28.125	2700	0.0	-
28.6458	2750	0.0	-
29.1667	2800	0.0	-
29.6875	2850	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}
}