---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 중탕기 젖병 국통 뷔페 휴대용 멜팅기 데우기 2칸 출산/육아 > 수유용품 > 보틀워머
- text: 티지엠 실리콘 하트 쪽쪽이 일체형 공갈 노리개 젖꼭지 하트쪽쪽이_스노우 출산/육아 > 수유용품 > 노리개젖꼭지
- text: 제이앤제나 27쿠션 키즈 430백수 신생아부터 허리에 무리없는 분리형 백수_제나양_뒷면메쉬(커버+솜K27)세트_일반스트랩 출산/육아
    > 수유용품 > 수유쿠션/시트
- text: '[모윰] 올실리콘 마카롱 쪽쪽이(전용케이스 포함) 2개세트 2단계(네추럴)_1단계(네추럴) 출산/육아 > 수유용품 > 기타수유용품'
- text: 앙뽀 실리콘 젖병 150ml 260ml 신생아 배앓이 젖병 출산 준비물 선물 실리콘 젖병 260ml_맘꼭지1단계(0~1개월)_화이트
    출산/육아 > 수유용품 > 젖병
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: 1.0
      name: Accuracy
---

# 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:** 12 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                                                                                                                                                                                                                                                                                               |
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1.0   | <ul><li>'빕스 쪽쪽이 대니쉬 보헴 천연고무 신제품 꽃모양 노리개 공갈젖꼭지 1개+1개+보관 케이스 2단계(6~18개월)_세이지_블러쉬 출산/육아 > 수유용품 > 노리개젖꼭지'</li><li>'프리그 데이지 노리개 젖꼭지 | 단계 색상 선택 | 쪽쪽이 | 실리콘 | 홀더 | 케이스 | 공갈젖꼭지 프리그데이지_폼S1 출산/육아 > 수유용품 > 노리개젖꼭지'</li><li>'FROMISE 프로미스 실리콘 공갈젖꼭지 쪽쪽이 모음 1단계 스마일_(야광)드림라벤더 출산/육아 > 수유용품 > 노리개젖꼭지'</li></ul>   |
| 0.0   | <ul><li>'그로미미 컬러 핸들 밀크 출산/육아 > 수유용품 > 기타수유용품'</li><li>'분유 제조기 자동 우유 기계 이유식 간편 수유 B 출산/육아 > 수유용품 > 기타수유용품'</li><li>'릿첼 TLI 소프트 이유스푼세트2P (케이스포함) / 이유식스푼 릿첼 TLI 이유식볼(소) 99194 / 이유 출산/육아 > 수유용품 > 기타수유용품'</li></ul>                                                                                      |
| 2.0   | <ul><li>'엠피엘 모유저장팩 리필  출산/육아 > 수유용품 > 모유보관비닐팩'</li><li>'메델라 모유저장팩 50매 모유저장팩 100매 출산/육아 > 수유용품 > 모유보관비닐팩'</li><li>'모유저장팩 심플세트 바로모 mpl 30매  출산/육아 > 수유용품 > 모유보관비닐팩'</li></ul>                                                                                                                            |
| 9.0   | <ul><li>'스펙트라 유축기 깔때기 (와이드/일반형 흡입기) 소모품 일반형 흡입기세트_깔대기 M사이즈 (내경26mm 외경 83mm) 출산/육아 > 수유용품 > 유축기'</li><li>'[대여] 스펙트라 유축기 (깔대기+젖병 미사용제품) 충전용 휴대용 임대 특A급 휴대용 S9+ [본체+어뎁터+유축세트]_7-3. PA 젖병 세트 - L 사이즈_1개월 대여 출산/육아 > 수유용품 > 유축기'</li><li>'웨어러블 프리티 Free-T2 eco 유축기_핸즈프리, 휴대용  출산/육아 > 수유용품 > 유축기'</li></ul> |
| 10.0  | <ul><li>'헤겐 모유느낌 비중심 젖꼭지 단계선택 젖꼭지0단계 2P 출산/육아 > 수유용품 > 젖꼭지'</li><li>'헤겐 모유느낌 비중심 젖꼭지 1단계 2P  출산/육아 > 수유용품 > 젖꼭지'</li><li>'닥터브라운 내로우넥 옵션스플러스 젖꼭지 2P (P 1 2 3 4 Y-Cut 6종 중 선택) Y-CUT 2P (9개월~ 이유식/과즙용) 출산/육아 > 수유용품 > 젖꼭지'</li></ul>                                                                     |
| 11.0  | <ul><li>'그로미미 PPSU 200ml 젖병 트윈팩 (크림베이지)  출산/육아 > 수유용품 > 젖병'</li><li>'하이비 PPSU 에잇벤트 배앓이방지 빨대 젖병 170ml 270ml 1. 170 트윈팩_수박볼빵 샌드_L(6개월 이상) 출산/육아 > 수유용품 > 젖병'</li><li>'하이비 PPSU 에잇벤트 배앓이방지 빨대 젖병 170ml 270ml 3. 170 트윈팩+핸들2P+추스트로우2P_다람쥐 화이트(11/13일부터 출고가능)_S(0개월 이상) 출산/육아 > 수유용품 > 젖병'</li></ul>        |
| 8.0   | <ul><li>'유두 보호기 2개 실리콘 보호기 수유 커버 모유 06 Y 출산/육아 > 수유용품 > 유두케어/젖몸살용품'</li><li>'유두 보호기 모유 수유 커버 재사용 가능한 수유 패드 01 1Pcs 출산/육아 > 수유용품 > 유두케어/젖몸살용품'</li><li>'산모용(1개입)+교정용h(1개입)+교정용s(1개입) 호유방 니플업 함몰 유두 교정기 교정 산모 모유 수유 젖꼭지 꼭지 L(대): 15mm 출산/육아 > 수유용품 > 유두케어/젖몸살용품'</li></ul>                               |
| 7.0   | <ul><li>'더블하트 수유패드 60 135매 퍼펙션 모유저장팩 컴포트필 블루코어 출산준비물 06 퍼펙션 모유저장팩(200ml) 30x4팩 출산/육아 > 수유용품 > 수유패드'</li><li>'폴레드 프랭클린 안심+ 수유패드 3개 세트_3mm허니콤 출산/육아 > 수유용품 > 수유패드'</li><li>'아이앤비 수유패드 산후조리 모유수유 전후 대용량 100매 모유넘침방지 순간흡수 방수  출산/육아 > 수유용품 > 수유패드'</li></ul>                                               |
| 4.0   | <ul><li>'모아케어 심플 BPA 프리 PP 분유케이스 크림_5단 출산/육아 > 수유용품 > 분유케이스'</li><li>'제이미로프트 밀키보틀 휴대용 여행용 분유통 힙 분유 소분통 간식 보관 케이스 밀키보틀 600ml_민트 출산/육아 > 수유용품 > 분유케이스'</li><li>'맘핸드슨 3단 분유케이스 B001 3단분유케이스(민트브라운) 출산/육아 > 수유용품 > 분유케이스'</li></ul>                                                                        |
| 6.0   | <ul><li>'모유 수유쿠션 아기 신생아 역류방지쿠션 d자형 짱구베개 D자형_말리 출산/육아 > 수유용품 > 수유쿠션/시트'</li><li>'임산부바디필로우 임신축하선물 초기임산부 대형 자는 U타입 편안한 옆으로 겨자 출산/육아 > 수유용품 > 수유쿠션/시트'</li><li>'[제이앤제나] 아기 허리에 무리없는 신생아부터 커버분리 오리지널 역류방지쿠션 래빗 래빗_핑크(커버+솜)세트 출산/육아 > 수유용품 > 수유쿠션/시트'</li></ul>                                              |
| 5.0   | <ul><li>'세맘스 수유가리개+파우치 01_스트라이프블랙 출산/육아 > 수유용품 > 수유가리개'</li><li>'수유가리개 모유 아기띠 가림막 여름 수유 가리개 덮개 트림천 9종 도트그레이 출산/육아 > 수유용품 > 수유가리개'</li><li>'수유가리개 수유커버 유모차햇빛가리개 우주선 출산/육아 > 수유용품 > 수유가리개'</li></ul>                                                                                                     |
| 3.0   | <ul><li>'휴대용젖병워머 야외 다기능 물티슈 워머 온도조절 차량충전 캠핑워머 07 라운드 블랙 출산/육아 > 수유용품 > 보틀워머'</li><li>'줄무늬 겨울골프모자 겨울등산모자 낚시 군밤 레드 출산/육아 > 수유용품 > 보틀워머'</li><li>'캐릭터 입체 목도리-블랙  출산/육아 > 수유용품 > 보틀워머'</li></ul>                                                                                                           |

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 1.0      |

## 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_bc9")
# Run inference
preds = model("중탕기 젖병 국통 뷔페 휴대용 멜팅기 데우기 2칸 출산/육아 > 수유용품 > 보틀워머")
```

<!--
### 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   | 7   | 14.4119 | 29  |

| 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                    |
| 11.0  | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0061  | 1    | 0.4988        | -               |
| 0.3030  | 50   | 0.4987        | -               |
| 0.6061  | 100  | 0.4398        | -               |
| 0.9091  | 150  | 0.1411        | -               |
| 1.2121  | 200  | 0.0221        | -               |
| 1.5152  | 250  | 0.0149        | -               |
| 1.8182  | 300  | 0.0147        | -               |
| 2.1212  | 350  | 0.008         | -               |
| 2.4242  | 400  | 0.0071        | -               |
| 2.7273  | 450  | 0.0069        | -               |
| 3.0303  | 500  | 0.0003        | -               |
| 3.3333  | 550  | 0.0           | -               |
| 3.6364  | 600  | 0.0           | -               |
| 3.9394  | 650  | 0.0           | -               |
| 4.2424  | 700  | 0.0           | -               |
| 4.5455  | 750  | 0.0           | -               |
| 4.8485  | 800  | 0.0           | -               |
| 5.1515  | 850  | 0.0           | -               |
| 5.4545  | 900  | 0.0           | -               |
| 5.7576  | 950  | 0.0           | -               |
| 6.0606  | 1000 | 0.0           | -               |
| 6.3636  | 1050 | 0.0           | -               |
| 6.6667  | 1100 | 0.0           | -               |
| 6.9697  | 1150 | 0.0           | -               |
| 7.2727  | 1200 | 0.0           | -               |
| 7.5758  | 1250 | 0.0           | -               |
| 7.8788  | 1300 | 0.0           | -               |
| 8.1818  | 1350 | 0.0           | -               |
| 8.4848  | 1400 | 0.0           | -               |
| 8.7879  | 1450 | 0.0           | -               |
| 9.0909  | 1500 | 0.0           | -               |
| 9.3939  | 1550 | 0.0           | -               |
| 9.6970  | 1600 | 0.0           | -               |
| 10.0    | 1650 | 0.0           | -               |
| 10.3030 | 1700 | 0.0           | -               |
| 10.6061 | 1750 | 0.0           | -               |
| 10.9091 | 1800 | 0.0           | -               |
| 11.2121 | 1850 | 0.0           | -               |
| 11.5152 | 1900 | 0.0           | -               |
| 11.8182 | 1950 | 0.0001        | -               |
| 12.1212 | 2000 | 0.0           | -               |
| 12.4242 | 2050 | 0.0           | -               |
| 12.7273 | 2100 | 0.0           | -               |
| 13.0303 | 2150 | 0.0           | -               |
| 13.3333 | 2200 | 0.0           | -               |
| 13.6364 | 2250 | 0.0           | -               |
| 13.9394 | 2300 | 0.0           | -               |
| 14.2424 | 2350 | 0.0           | -               |
| 14.5455 | 2400 | 0.0           | -               |
| 14.8485 | 2450 | 0.0           | -               |
| 15.1515 | 2500 | 0.0           | -               |
| 15.4545 | 2550 | 0.0           | -               |
| 15.7576 | 2600 | 0.0           | -               |
| 16.0606 | 2650 | 0.0           | -               |
| 16.3636 | 2700 | 0.0           | -               |
| 16.6667 | 2750 | 0.0001        | -               |
| 16.9697 | 2800 | 0.0           | -               |
| 17.2727 | 2850 | 0.0           | -               |
| 17.5758 | 2900 | 0.0           | -               |
| 17.8788 | 2950 | 0.0           | -               |
| 18.1818 | 3000 | 0.0           | -               |
| 18.4848 | 3050 | 0.0           | -               |
| 18.7879 | 3100 | 0.0           | -               |
| 19.0909 | 3150 | 0.0           | -               |
| 19.3939 | 3200 | 0.0           | -               |
| 19.6970 | 3250 | 0.0           | -               |
| 20.0    | 3300 | 0.0           | -               |
| 20.3030 | 3350 | 0.0           | -               |
| 20.6061 | 3400 | 0.0           | -               |
| 20.9091 | 3450 | 0.0           | -               |
| 21.2121 | 3500 | 0.0           | -               |
| 21.5152 | 3550 | 0.0           | -               |
| 21.8182 | 3600 | 0.0           | -               |
| 22.1212 | 3650 | 0.0           | -               |
| 22.4242 | 3700 | 0.0           | -               |
| 22.7273 | 3750 | 0.0           | -               |
| 23.0303 | 3800 | 0.0           | -               |
| 23.3333 | 3850 | 0.0           | -               |
| 23.6364 | 3900 | 0.0           | -               |
| 23.9394 | 3950 | 0.0           | -               |
| 24.2424 | 4000 | 0.0           | -               |
| 24.5455 | 4050 | 0.0           | -               |
| 24.8485 | 4100 | 0.0           | -               |
| 25.1515 | 4150 | 0.0           | -               |
| 25.4545 | 4200 | 0.0           | -               |
| 25.7576 | 4250 | 0.0           | -               |
| 26.0606 | 4300 | 0.0           | -               |
| 26.3636 | 4350 | 0.0           | -               |
| 26.6667 | 4400 | 0.0           | -               |
| 26.9697 | 4450 | 0.0           | -               |
| 27.2727 | 4500 | 0.0           | -               |
| 27.5758 | 4550 | 0.0           | -               |
| 27.8788 | 4600 | 0.0           | -               |
| 28.1818 | 4650 | 0.0           | -               |
| 28.4848 | 4700 | 0.0           | -               |
| 28.7879 | 4750 | 0.0           | -               |
| 29.0909 | 4800 | 0.0           | -               |
| 29.3939 | 4850 | 0.0           | -               |
| 29.6970 | 4900 | 0.0           | -               |
| 30.0    | 4950 | 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.*
-->