Hugging Face's logo

mini1013
/
master_cate_bt5_test_flat_top_cate

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
  • '모델링팩 제조 셀프 피부관리 용품 세트 스파츌러 할로윈분장 미용기구 분홍색 (#M)쿠팡 홈>뷰티>메이크업>베이스 메이크업>베이스 메이크업 세트 Coupang > 뷰티 > 메이크업 > 베이스 메이크업 > 베이스 메이크업 세트'
  • '조단앤쥬디 플랫 탑 배큐엄 로션 보틀 펌핑용기 TR012 Blue 30ml × 1개 (#M)쿠팡 홈>뷰티>뷰티소품>용기/거울/기타소품>화장품용기 Coupang > 뷰티 > 뷰티소품 > 용기/거울/기타소품 > 화장품용기'
  • '프레스식 클렌징 리무버 토너 공병 150ml 혼합색상 × 5개 (#M)쿠팡 홈>뷰티>뷰티소품>용기/거울/기타소품>화장품용기 Coupang > 뷰티 > 뷰티소품 > 용기/거울/기타소품 > 화장품용기'
3
  • '아리따움 아이돌 래쉬 프리미엄 22호러블리아이 (#M)홈>화장품/미용>뷰티소품>아이소품>속눈썹/속눈썹펌제 Naverstore > 화장품/미용 > 뷰티소품 > 아이소품 > 속눈썹/속눈썹펌제'
  • '시세이도 아이래쉬 213 전체 뷰러 시세이도 뷰러 214 고무리필 x 3개 홈>💡 신상품;홈>전체상품;(#M)홈>💡신상품 Naverstore > 화장품/미용 > 뷰티소품 > 아이소품 > 뷰러'
  • '슈에무라 뷰러 아이래쉬컬러 N 전체뷰러 (#M)화장품/미용>뷰티소품>아이소품>뷰러 Naverstore > 화장품/미용 > 뷰티소품 > 아이소품 > 뷰러'
6
  • '프리미엄 샴푸 브러쉬 1입_P085124958 옵션/라보에이치 프리미엄 샴푸 브러쉬 1입 ssg > 뷰티 > 헤어/바디 > 헤어스타일링 > 헤어메이크업 ssg > 뷰티 > 헤어/바디 > 헤어스타일링 > 헤어메이크업'
  • '모로칸오일 세라믹 볼륨 헤어 드라이 브러쉬 롤빗 5종 모로칸오일브러쉬 45mm LotteOn > 뷰티 > 뷰티소품 > 헤어소품 LotteOn > 뷰티 > 뷰티기기/소품 > 헤어소품 > 빗/헤어브러쉬'
  • '필리밀리 포니 훅 헤어세트 리본_시크핑크데님블루 포니 훅 세트(리본_시크핑크) (#M)쿠팡 홈>뷰티>메이크업>립 메이크업>립메이크업세트 Coupang > 뷰티 > 메이크업 > 립 메이크업 > 립메이크업세트'
0
  • '천연 자초 립밤 만들기 키트 diy 향 선택(8개) 사과+에탄올20ml (#M)홈>비누&립밤&세제 만들기>만들기키트 Naverstore > 화장품/미용 > 색조메이크업 > 립케어'
5
  • '메디플라워 메이크 셀프 패드 리필 130매x2박스(총260매) 화장솜 각질패드 닥토패드 (#M)11st>뷰티소품>화장솜>화장솜 11st > 뷰티 > 뷰티소품 > 화장솜'
  • '라네즈 네오 쿠션 매트or글로우 퍼프 6개 매트 퍼프 (#M)홈>화장품/미용>뷰티소품>페이스소품>퍼프 Naverstore > 화장품/미용 > 뷰티소품 > 페이스소품 > 퍼프'
  • '벨로즈 MTS 롤러 더마 페이스 헤어 두피 얼굴 마사지 홈케어 스테인레스 일반형 0.2mm 티타늄_한달패키지(EGF10ppm+롤러2개+에탄올)_0.3mm 홈>화장품/미용>뷰티소품>페이스소품>마사지도구;홈>MTS 도구;홈>전체상품;(#M)홈>MTS Naverstore > 화장품/미용 > 뷰티소품 > 페이스소품 > 마사지도구'
1
  • '투쿨포스쿨 아트클래스 비건 멀티 컨투어 브러쉬 비건 멀티 컨투어 브러쉬 LotteOn > 뷰티 > 메이크업 > 쉐딩/컨투어링 LotteOn > 뷰티 > 메이크업 > 쉐딩/컨투어링'
  • '그림자쉐딩 02 코 브러쉬 (#M)뷰티>화장품/향수>미용소품>퍼프/스폰지/브러쉬 CJmall > 뷰티 > 화장품/향수 > 선케어 > 선크림/선로션'
  • '정샘물 마스터클래스 아이섀도우 L 브러쉬+물크림 라이트 마스크 3매 마스터클래스 아이섀도우 L 브러쉬 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬'
2
  • '에뛰드 마이뷰티툴 효녀손 바디브러쉬 LotteOn > 뷰티 > 뷰티소품 > 페이스소품 > 브러쉬 LotteOn > 뷰티 > 뷰티소품 > 액세서리/소모품/기타'
  • '웰라 SP 1000ml 샴푸 전용 펌프 (색상랜덤) (#M)화장품/미용>헤어케어>샴푸 AD > traverse > Naverstore > 화장품/미용 > 헤어케어 > 샴푸 > 비듬샴푸'
  • '필리밀리 바디브러시 2종 선인장모 바디브러시 (스트롱) (#M)홈>미용소품>기타소품>클렌징준비도구 OLIVEYOUNG > 미용소품 > 기타소품 > 전체'
4
  • '5초눈썹타투스티커5초11쌍 눈썹문신스티커 눈썹타투 눈썹 E11 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬 LotteOn > 뷰티 > 뷰티기기/소품 > 메이크업소품 > 브러쉬'
  • '태틀리 타투 스티커 유칼립투스 씨네레아 × 2개 LotteOn > 뷰티 > 뷰티기기/소품 > 바디소품 LotteOn > 뷰티 > 뷰티기기/소품 > 바디소품'
  • 'wjx니들 타투니들 카트리지 엔코 타투용품 반영구 smp 재료 라운드매그넘_1023 (#M)홈>전체상품 Naverstore > 화장품/미용 > 뷰티소품 > 타투'

Evaluation

Metrics

Label Accuracy
all 0.7369

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_bt5_test_flat_top_cate")
# Run inference
preds = model("비레디 페이스 피팅 브러쉬 포 히어로즈 MinSellAmount (#M)화장품/향수>남성화장품>남성메이크업/BB Gmarket > 뷰티 > 화장품/향수 > 남성화장품 > 남성메이크업/BB")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 12 20.6963 66
Label Training Sample Count
0 1
1 50
2 48
3 50
4 50
5 50
6 50
7 50

Training Hyperparameters

  • batch_size: (64, 64)
  • num_epochs: (30, 30)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 100
  • 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
0.0018 1 0.4261 -
0.0916 50 0.4493 -
0.1832 100 0.4428 -
0.2747 150 0.4252 -
0.3663 200 0.3948 -
0.4579 250 0.361 -
0.5495 300 0.3209 -
0.6410 350 0.2692 -
0.7326 400 0.2629 -
0.8242 450 0.2437 -
0.9158 500 0.2383 -
1.0073 550 0.2352 -
1.0989 600 0.2306 -
1.1905 650 0.2165 -
1.2821 700 0.2081 -
1.3736 750 0.1861 -
1.4652 800 0.1676 -
1.5568 850 0.1363 -
1.6484 900 0.112 -
1.7399 950 0.1005 -
1.8315 1000 0.0779 -
1.9231 1050 0.0613 -
2.0147 1100 0.0392 -
2.1062 1150 0.0267 -
2.1978 1200 0.0213 -
2.2894 1250 0.0189 -
2.3810 1300 0.0174 -
2.4725 1350 0.0135 -
2.5641 1400 0.015 -
2.6557 1450 0.0108 -
2.7473 1500 0.0074 -
2.8388 1550 0.0072 -
2.9304 1600 0.0073 -
3.0220 1650 0.0058 -
3.1136 1700 0.0045 -
3.2051 1750 0.006 -
3.2967 1800 0.0056 -
3.3883 1850 0.0039 -
3.4799 1900 0.0041 -
3.5714 1950 0.0033 -
3.6630 2000 0.0045 -
3.7546 2050 0.0053 -
3.8462 2100 0.0075 -
3.9377 2150 0.0017 -
4.0293 2200 0.0008 -
4.1209 2250 0.0005 -
4.2125 2300 0.0007 -
4.3040 2350 0.0007 -
4.3956 2400 0.0003 -
4.4872 2450 0.0013 -
4.5788 2500 0.0008 -
4.6703 2550 0.0002 -
4.7619 2600 0.0 -
4.8535 2650 0.0004 -
4.9451 2700 0.0001 -
5.0366 2750 0.0007 -
5.1282 2800 0.0003 -
5.2198 2850 0.0003 -
5.3114 2900 0.0007 -
5.4029 2950 0.0002 -
5.4945 3000 0.0012 -
5.5861 3050 0.0007 -
5.6777 3100 0.0002 -
5.7692 3150 0.0007 -
5.8608 3200 0.0003 -
5.9524 3250 0.0003 -
6.0440 3300 0.0003 -
6.1355 3350 0.0003 -
6.2271 3400 0.0002 -
6.3187 3450 0.0005 -
6.4103 3500 0.0002 -
6.5018 3550 0.0006 -
6.5934 3600 0.0005 -
6.6850 3650 0.0003 -
6.7766 3700 0.0003 -
6.8681 3750 0.0009 -
6.9597 3800 0.0006 -
7.0513 3850 0.0002 -
7.1429 3900 0.0005 -
7.2344 3950 0.0005 -
7.3260 4000 0.0005 -
7.4176 4050 0.0005 -
7.5092 4100 0.0005 -
7.6007 4150 0.0008 -
7.6923 4200 0.0009 -
7.7839 4250 0.0003 -
7.8755 4300 0.0 -
7.9670 4350 0.0 -
8.0586 4400 0.0002 -
8.1502 4450 0.0003 -
8.2418 4500 0.0008 -
8.3333 4550 0.0005 -
8.4249 4600 0.0003 -
8.5165 4650 0.0003 -
8.6081 4700 0.0006 -
8.6996 4750 0.0005 -
8.7912 4800 0.0 -
8.8828 4850 0.0002 -
8.9744 4900 0.0008 -
9.0659 4950 0.0005 -
9.1575 5000 0.0002 -
9.2491 5050 0.0008 -
9.3407 5100 0.0005 -
9.4322 5150 0.0002 -
9.5238 5200 0.0003 -
9.6154 5250 0.0008 -
9.7070 5300 0.0005 -
9.7985 5350 0.0003 -
9.8901 5400 0.0006 -
9.9817 5450 0.0003 -
10.0733 5500 0.0003 -
10.1648 5550 0.0006 -
10.2564 5600 0.0005 -
10.3480 5650 0.0002 -
10.4396 5700 0.0005 -
10.5311 5750 0.0002 -
10.6227 5800 0.0012 -
10.7143 5850 0.0 -
10.8059 5900 0.0002 -
10.8974 5950 0.0002 -
10.9890 6000 0.0011 -
11.0806 6050 0.008 -
11.1722 6100 0.0057 -
11.2637 6150 0.004 -
11.3553 6200 0.0037 -
11.4469 6250 0.0038 -
11.5385 6300 0.0025 -
11.6300 6350 0.0023 -
11.7216 6400 0.0007 -
11.8132 6450 0.0006 -
11.9048 6500 0.0008 -
11.9963 6550 0.0002 -
12.0879 6600 0.0013 -
12.1795 6650 0.0004 -
12.2711 6700 0.0008 -
12.3626 6750 0.0006 -
12.4542 6800 0.0006 -
12.5458 6850 0.0 -
12.6374 6900 0.0005 -
12.7289 6950 0.0004 -
12.8205 7000 0.0003 -
12.9121 7050 0.0003 -
13.0037 7100 0.0008 -
13.0952 7150 0.0006 -
13.1868 7200 0.0005 -
13.2784 7250 0.0005 -
13.3700 7300 0.0003 -
13.4615 7350 0.0006 -
13.5531 7400 0.0003 -
13.6447 7450 0.0 -
13.7363 7500 0.0003 -
13.8278 7550 0.0005 -
13.9194 7600 0.0002 -
14.0110 7650 0.0006 -
14.1026 7700 0.0003 -
14.1941 7750 0.0006 -
14.2857 7800 0.0008 -
14.3773 7850 0.0 -
14.4689 7900 0.0006 -
14.5604 7950 0.0005 -
14.6520 8000 0.0005 -
14.7436 8050 0.0003 -
14.8352 8100 0.0002 -
14.9267 8150 0.0003 -
15.0183 8200 0.0003 -
15.1099 8250 0.0003 -
15.2015 8300 0.0006 -
15.2930 8350 0.0002 -
15.3846 8400 0.0009 -
15.4762 8450 0.0006 -
15.5678 8500 0.0002 -
15.6593 8550 0.0003 -
15.7509 8600 0.0005 -
15.8425 8650 0.0005 -
15.9341 8700 0.0003 -
16.0256 8750 0.0003 -
16.1172 8800 0.0 -
16.2088 8850 0.0008 -
16.3004 8900 0.0002 -
16.3919 8950 0.0003 -
16.4835 9000 0.0003 -
16.5751 9050 0.0005 -
16.6667 9100 0.0006 -
16.7582 9150 0.0006 -
16.8498 9200 0.0002 -
16.9414 9250 0.0005 -
17.0330 9300 0.0006 -
17.1245 9350 0.0002 -
17.2161 9400 0.0009 -
17.3077 9450 0.0005 -
17.3993 9500 0.0008 -
17.4908 9550 0.0006 -
17.5824 9600 0.0003 -
17.6740 9650 0.0003 -
17.7656 9700 0.0 -
17.8571 9750 0.0003 -
17.9487 9800 0.0002 -
18.0403 9850 0.0003 -
18.1319 9900 0.0006 -
18.2234 9950 0.0008 -
18.3150 10000 0.0005 -
18.4066 10050 0.0003 -
18.4982 10100 0.0005 -
18.5897 10150 0.0002 -
18.6813 10200 0.0 -
18.7729 10250 0.0003 -
18.8645 10300 0.0003 -
18.9560 10350 0.0003 -
19.0476 10400 0.0008 -
19.1392 10450 0.0006 -
19.2308 10500 0.0002 -
19.3223 10550 0.0003 -
19.4139 10600 0.0003 -
19.5055 10650 0.0003 -
19.5971 10700 0.0005 -
19.6886 10750 0.0009 -
19.7802 10800 0.0002 -
19.8718 10850 0.0003 -
19.9634 10900 0.0005 -
20.0549 10950 0.0003 -
20.1465 11000 0.0005 -
20.2381 11050 0.0009 -
20.3297 11100 0.0003 -
20.4212 11150 0.0 -
20.5128 11200 0.0006 -
20.6044 11250 0.0005 -
20.6960 11300 0.0002 -
20.7875 11350 0.0003 -
20.8791 11400 0.0005 -
20.9707 11450 0.0003 -
21.0623 11500 0.0002 -
21.1538 11550 0.0006 -
21.2454 11600 0.0004 -
21.3370 11650 0.0005 -
21.4286 11700 0.0009 -
21.5201 11750 0.0005 -
21.6117 11800 0.0005 -
21.7033 11850 0.0003 -
21.7949 11900 0.0005 -
21.8864 11950 0.0003 -
21.9780 12000 0.0 -
22.0696 12050 0.0005 -
22.1612 12100 0.0009 -
22.2527 12150 0.002 -
22.3443 12200 0.0022 -
22.4359 12250 0.002 -
22.5275 12300 0.0002 -
22.6190 12350 0.0003 -
22.7106 12400 0.0003 -
22.8022 12450 0.0005 -
22.8938 12500 0.0003 -
22.9853 12550 0.0005 -
23.0769 12600 0.0002 -
23.1685 12650 0.0003 -
23.2601 12700 0.0003 -
23.3516 12750 0.0006 -
23.4432 12800 0.0006 -
23.5348 12850 0.0005 -
23.6264 12900 0.0006 -
23.7179 12950 0.0008 -
23.8095 13000 0.0002 -
23.9011 13050 0.0003 -
23.9927 13100 0.0008 -
24.0842 13150 0.0003 -
24.1758 13200 0.0005 -
24.2674 13250 0.0003 -
24.3590 13300 0.0003 -
24.4505 13350 0.0003 -
24.5421 13400 0.0008 -
24.6337 13450 0.0002 -
24.7253 13500 0.0005 -
24.8168 13550 0.0003 -
24.9084 13600 0.0005 -
25.0 13650 0.0005 -
25.0916 13700 0.0006 -
25.1832 13750 0.0006 -
25.2747 13800 0.0003 -
25.3663 13850 0.0009 -
25.4579 13900 0.0 -
25.5495 13950 0.0006 -
25.6410 14000 0.0006 -
25.7326 14050 0.0002 -
25.8242 14100 0.0 -
25.9158 14150 0.0003 -
26.0073 14200 0.0002 -
26.0989 14250 0.0006 -
26.1905 14300 0.0002 -
26.2821 14350 0.0003 -
26.3736 14400 0.0008 -
26.4652 14450 0.0007 -
26.5568 14500 0.0008 -
26.6484 14550 0.0005 -
26.7399 14600 0.0002 -
26.8315 14650 0.0003 -
26.9231 14700 0.0 -
27.0147 14750 0.0002 -
27.1062 14800 0.0005 -
27.1978 14850 0.0006 -
27.2894 14900 0.0005 -
27.3810 14950 0.0 -
27.4725 15000 0.0005 -
27.5641 15050 0.0005 -
27.6557 15100 0.0006 -
27.7473 15150 0.0006 -
27.8388 15200 0.0005 -
27.9304 15250 0.0 -
28.0220 15300 0.0002 -
28.1136 15350 0.0006 -
28.2051 15400 0.0003 -
28.2967 15450 0.0005 -
28.3883 15500 0.0005 -
28.4799 15550 0.0002 -
28.5714 15600 0.0005 -
28.6630 15650 0.0003 -
28.7546 15700 0.0006 -
28.8462 15750 0.0005 -
28.9377 15800 0.0005 -
29.0293 15850 0.0 -
29.1209 15900 0.0 -
29.2125 15950 0.0003 -
29.3040 16000 0.0006 -
29.3956 16050 0.0002 -
29.4872 16100 0.0011 -
29.5788 16150 0.0005 -
29.6703 16200 0.0003 -
29.7619 16250 0.0005 -
29.8535 16300 0.0002 -
29.9451 16350 0.0005 -

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
2
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_bt5_test_flat_top_cate

Base model

klue/roberta-base
Finetuned
mini1013/master_domain
Finetuned
(131)
this model

Evaluation results

View on Papers With Code