---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 아기 무릎보호대 유아 돌 성장판 패드 스마일 무릎보호대 베이지  출산/육아 > 매트/안전용품 > 무릎보호대
- text: 함소아화장품 포포패치 아이편해 유칼립투스 오렌지 X 6개  출산/육아 > 매트/안전용품 > 모기밴드/퇴치용품
- text: 돗투돗 아기 무릎보호대 롤리팝 이중 걸음마 보조기 성장판 돌 유아 아이보리 베이비바니  출산/육아 > 매트/안전용품 > 무릎보호대
- text: 콘센트 안전커버 마개 안전캡 아기 멀티탭 안전덮개 실리콘 보호캡  출산/육아 > 매트/안전용품 > 콘센트안전커버
- text: 다이소 원터치 콘센트 안전 커버 4P 56873  출산/육아 > 매트/안전용품 > 콘센트안전커버
metrics:
- accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: mini1013/master_domain
---

# 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:** 10 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                                                                                                                                                                                                                                                 |
|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 2.0   | <ul><li>'NEW 베일리바오 아기머리보호대 유아 아기헬맷  출산/육아 > 매트/안전용품 > 머리보호대'</li><li>'유아 안전모 쿠션 헬멧 아기 머리쿵 방지 베게 순면 출산 육아 선물  출산/육아 > 매트/안전용품 > 머리보호대'</li><li>'출산선물 젤리맘 머리쿵방지쿠션 아기머리보호대  출산/육아 > 매트/안전용품 > 머리보호대'</li></ul>                                              |
| 9.0   | <ul><li>'콘센트 안전커버 1PCS 콘센트 보호 덮개 가리개 마개 감전방지캡  출산/육아 > 매트/안전용품 > 콘센트안전커버'</li><li>'콘센트 보호 커버 (2구/3구) 10EA  출산/육아 > 매트/안전용품 > 콘센트안전커버'</li><li>'아트사인 플러그안전커버 출산 육아 L4002  출산/육아 > 매트/안전용품 > 콘센트안전커버'</li></ul>                                            |
| 4.0   | <ul><li>'러브포베이비 투명 아기 모서리 보호대 코너 가드 기둥 책상 보호 방지 쿠션  출산/육아 > 매트/안전용품 > 모서리보호대'</li><li>'모서리보호대 침대 식탁 기둥 책상 코너 투명 모서리 안전 쿠션 커버 모서리가드  출산/육아 > 매트/안전용품 > 모서리보호대'</li><li>'메이스 아기 모서리 보호대 책상 기둥 코너 보호 가드 쿠션 17mm두께 형 2M  출산/육아 > 매트/안전용품 > 모서리보호대'</li></ul> |
| 1.0   | <ul><li>'푸푸 유아 아기 디딤대 높이조절 논슬립 아기계단 세면대 발판  출산/육아 > 매트/안전용품 > 디딤대'</li><li>'네이쳐러브메레 ABC 아기디딤대 / 유아 어린이 2단발판 욕실 세면대 스텝스툴 미끄럼방지  출산/육아 > 매트/안전용품 > 디딤대'</li><li>'아기계단 아기화장실계단 욕실 침대 유아발받침대 세면대발판  출산/육아 > 매트/안전용품 > 디딤대'</li></ul>                         |
| 7.0   | <ul><li>'쿨두안전문 스마트롤 안전문  출산/육아 > 매트/안전용품 > 안전문'</li><li>'리포소홈 아기 유아 안전문 펜스 울타리 가드  출산/육아 > 매트/안전용품 > 안전문'</li><li>'코아일랜드 접이식 아기 유아 안전 펜스 울타리 안전문 단품  출산/육아 > 매트/안전용품 > 안전문'</li></ul>                                                                    |
| 5.0   | <ul><li>'돗투돗 아기 무릎보호대 롤리팝 이중 걸음마 보조기 성장판 돌 유아 아이보리 베이비바니  출산/육아 > 매트/안전용품 > 무릎보호대'</li><li>'소로이 아기 유아동 신생아 미끄럼방지 양말 무릎보호대 패드 세트 S  출산/육아 > 매트/안전용품 > 무릎보호대'</li><li>'베이지메모리즈 감성 자수 아기무릎보호대 신생아 유아무릎보호대 뚱곰이  출산/육아 > 매트/안전용품 > 무릎보호대'</li></ul>           |
| 6.0   | <ul><li>'아가드 투명 문 손끼임방지  출산/육아 > 매트/안전용품 > 문닫힘방지'</li><li>'문쾅방지 패드 도어 쿠션 실리콘 범퍼 현관문 충격보호 스토퍼 3m범폰  출산/육아 > 매트/안전용품 > 문닫힘방지'</li><li>'손끼임방지 문쾅방지 문닫힘방지 문꽝 문소리 방문 도어 스토퍼 충격 문틈 커버 쿠션  출산/육아 > 매트/안전용품 > 문닫힘방지'</li></ul>                                   |
| 0.0   | <ul><li>'제로블럭 프리미엄 퍼즐매트 60x60x2.6cm 30평  출산/육아 > 매트/안전용품 > 놀이방매트 > 퍼즐매트'</li><li>'알집매트 울타리 벽매트 40×70×4cm  출산/육아 > 매트/안전용품 > 놀이방매트 > 벽매트/기타'</li><li>'리포소 층간소음 롤매트 100x50x1.6cm  출산/육아 > 매트/안전용품 > 놀이방매트 > 롤매트'</li></ul>                                 |
| 3.0   | <ul><li>'독일 내수용 모스킨토 모기패치 42개입  출산/육아 > 매트/안전용품 > 모기밴드/퇴치용품'</li><li>'개별포장 색상선택 벅스쉴드 모기팔찌 모기퇴치 벌레 기피 팔찌 방향 밴드  출산/육아 > 매트/안전용품 > 모기밴드/퇴치용품'</li><li>'함소아화장품 포포패치 아이편해 유칼립투스 오렌지 X 6개  출산/육아 > 매트/안전용품 > 모기밴드/퇴치용품'</li></ul>                             |
| 8.0   | <ul><li>'냉장고 잠금장치 냉동실 문열림 방지 안전 잠금장치 대형 화이트  출산/육아 > 매트/안전용품 > 안전잠금장치'</li><li>'유아 고양이 문 열림 열기 방지 아기 방문 고리 도어 손잡이 안전 잠금 장치  출산/육아 > 매트/안전용품 > 안전잠금장치'</li><li>'서랍 자석 잠금 장치 문 고리 열림 방지 아기 안전 6P  출산/육아 > 매트/안전용품 > 안전잠금장치'</li></ul>                      |

## 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_bc3")
# Run inference
preds = model("다이소 원터치 콘센트 안전 커버 4P 56873  출산/육아 > 매트/안전용품 > 콘센트안전커버")
```

<!--
### 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   | 9   | 14.4541 | 34  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 16                    |
| 1.0   | 20                    |
| 2.0   | 20                    |
| 3.0   | 20                    |
| 4.0   | 20                    |
| 5.0   | 20                    |
| 6.0   | 20                    |
| 7.0   | 20                    |
| 8.0   | 20                    |
| 9.0   | 20                    |

### 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0256  | 1    | 0.4765        | -               |
| 1.2821  | 50   | 0.4502        | -               |
| 2.5641  | 100  | 0.204         | -               |
| 3.8462  | 150  | 0.061         | -               |
| 5.1282  | 200  | 0.0263        | -               |
| 6.4103  | 250  | 0.0101        | -               |
| 7.6923  | 300  | 0.0003        | -               |
| 8.9744  | 350  | 0.0001        | -               |
| 10.2564 | 400  | 0.0001        | -               |
| 11.5385 | 450  | 0.0001        | -               |
| 12.8205 | 500  | 0.0001        | -               |
| 14.1026 | 550  | 0.0001        | -               |
| 15.3846 | 600  | 0.0           | -               |
| 16.6667 | 650  | 0.0           | -               |
| 17.9487 | 700  | 0.0           | -               |
| 19.2308 | 750  | 0.0           | -               |
| 20.5128 | 800  | 0.0           | -               |
| 21.7949 | 850  | 0.0           | -               |
| 23.0769 | 900  | 0.0           | -               |
| 24.3590 | 950  | 0.0           | -               |
| 25.6410 | 1000 | 0.0           | -               |
| 26.9231 | 1050 | 0.0           | -               |
| 28.2051 | 1100 | 0.0           | -               |
| 29.4872 | 1150 | 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}
}
```

<!--
## 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.*
-->