---
base_model: mini1013/master_domain
library_name: setfit
metrics:
- metric
pipeline_tag: text-classification
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 벤시몽 RAIN BOOTS MID - 7color DOLPHIN GREY_40 260 오리상점
- text: 플레이볼 오리진 뮬 (PLAYBALL ORIGIN MULE) NY (Off White) 화이트_230 주식회사 에프앤에프
- text: XDMNBTX0037 빅 사이즈 봄여름 블로퍼 고양이 액체설 블랙_265 푸른바다
- text: 다이어트 슬리퍼 다리 부종 스트레칭 균형 실내화 핑크 33-37_33 글로벌다이렉트
- text: 케즈 챔피온 스트랩 캔버스5 M01778F001 Black/Black/Black_230 블루빌리
inference: true
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: metric
      value: 0.6511206701381028
      name: Metric
---

# 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                                                                                                                                                                                                                                         |
|:------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 9.0   | <ul><li>'로저비비에 로저 비비어 i 러브 비비어 슬링백 펌프스 RVW53834670PE5 여성 37 주식회사 페칭'</li><li>'크롬베즈 스티치 장식 통굽펌프스 KP55797MA 카멜／245 sellerhub'</li><li>'HOBOKEN PS1511 PH2208 (3컬러) 브라운 230 NC_백화점'</li></ul>                                                       |
| 2.0   | <ul><li>'어그클래식울트라미니 ugg 어그부츠 여성 방한화 여자 발편한 겨울 신발 1116109 Sage Blossom_US 6(230) 울바이울'</li><li>'해외문스타 810s ET027 마르케 모디 운동화 장화 레인부츠 일본 직구 300_코요테_모디ET027 뉴저지홀세일'</li><li>'무릎 위에 앉다 장화 롱부츠 굽이 거칠다 평평한 바닥 고통 라이더 부츠 블랙_225 ZHANG YOUHUA'</li></ul> |
| 0.0   | <ul><li>'단화 한복신발 여성 새 혼례 소프트 한복구두 전통 꽃신 자수 39_빅화이트백봉이는한사이즈크게찍으셨으면좋겠습 대복컴퍼니'</li><li>'한복구두 꽃신 양단 생활한복 키높이 단화 굽 빅사이즈 담그어 여름 터지는 구슬 화이트-3.5cm_41 대한민국 일등 상점'</li><li>'여자 키높이 신발 여성 꽃신 한복 구두 전통 계량한복 37_화이트12(지연) 유럽걸스'</li></ul>                    |
| 4.0   | <ul><li>'남여공용 청키 클로그 바운서 샌들 (3ASDCBC33) 블랙(50BKS)_240 '</li><li>'[포멜카멜레]쥬얼장식트위드샌들 3cm FJS1F1SS024 아이보리/255 에이케이에스앤디(주) AK플라자 평택점'</li><li>'[하프클럽/] 에끌라 투웨이 주얼 샌들 33.카멜/245mm 롯데아이몰'</li></ul>                                                    |
| 8.0   | <ul><li>'에스콰이아 여성 발편한 경량 세미 캐주얼 앵클 워커 부츠 3cm J278C 브라운_230 (주) 패션플러스'</li><li>'[제옥스](신세계강남점) 스페리카 EC7 여성 워커부츠-블랙 W1B6VDJ3W11 블랙_245(38) 주식회사 에스에스지닷컴'</li><li>'(신세계강남점)금강 랜드로바 경량 컴포트 여성 워커 부츠 LANBOC4107WK1 240 신세계백화점'</li></ul>               |
| 6.0   | <ul><li>'10mm 2중바닥 실내 슬리퍼 병원 거실 호텔 실내화 슬리퍼-타올천_고급-C_검정 주식회사 하루이'</li><li>'소프달링 남녀공용 뽀글이 스마일 털슬리퍼 여성 겨울 털실내화 VJ/왕스마일/옐로우_255 소프달링'</li><li>'소프달링 남녀공용 뽀글이 스마일 털슬리퍼 여성 겨울 털실내화 VJ/왕스마일/옐로우_245 소프달링'</li></ul>                                     |
| 3.0   | <ul><li>'지안비토로씨 여성 마고 미드 부티 GIA36T75BLU18A1A00 EU 38.5 봉쥬르유럽'</li><li>'모다아울렛 121507 여성 7cm 깔끔 스틸레토 부티 구두 블랙k040_250 ◈217326053◈ MODA아울렛'</li><li>'미들부츠 미들힐 봄신상 워커 롱부츠 봄 가을신상 힐 블랙 245 바이포비'</li></ul>                                            |
| 5.0   | <ul><li>'[공식판매] 버켄스탁 지제 에바 EVA 블랙 화이트 07 비트루트퍼플 키즈_220 (34) 좁은발볼 (Narrow) '</li><li>'eva 털슬리퍼 방한 방수 따듯한 털신 통굽 실내 화 기모 크로스오버 블랙M 소보로샵'</li><li>'크록스호환내피 털 탈부착 퍼 겨울 슬리퍼 안감 크림화이트(주니어)_C10-165(155~165) 인터코리아'</li></ul>                            |
| 7.0   | <ul><li>'[밸롭] 구름 브리즈 베이지 구름 브리즈 베이지245 (주)지티에스글로벌'</li><li>'[스텝100] 무지외반증 허리디스크 평발 신발 무릎 관절 중년 여성 운동화 화이트핑크플라워_235 스텝100'</li><li>'물컹슈즈 2.0 기능성 운동화 발편한 쿠션 운동화 무지외반증신발 족저근막염 물컹 업그레이드2.0_네이비_46(280mm) 주식회사 나인투식스'</li></ul>                     |
| 1.0   | <ul><li>'베라왕 스타일온에어 23SS 청 플랫폼 로퍼 80111682 G 667381 틸블루_230 DM ENG'</li><li>'[MUJI] 발수 발이 편한 스니커 머스터드 235mm 4550182676303 무인양품(주)'</li><li>'[반스(슈즈)]반스 어센틱 체커보드 스니커즈 (VN000W4NDI0) 4.240 롯데아이몰'</li></ul>                                        |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.6511 |

## 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_ac10")
# Run inference
preds = model("XDMNBTX0037 빅 사이즈 봄여름 블로퍼 고양이 액체설 블랙_265 푸른바다")
```

<!--
### 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   | 3   | 10.504 | 21  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 50                    |
| 1.0   | 50                    |
| 2.0   | 50                    |
| 3.0   | 50                    |
| 4.0   | 50                    |
| 5.0   | 50                    |
| 6.0   | 50                    |
| 7.0   | 50                    |
| 8.0   | 50                    |
| 9.0   | 50                    |

### Training Hyperparameters
- batch_size: (512, 512)
- num_epochs: (20, 20)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 40
- body_learning_rate: (2e-05, 2e-05)
- head_learning_rate: 2e-05
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False

### Training Results
| Epoch   | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0127  | 1    | 0.4172        | -               |
| 0.6329  | 50   | 0.3266        | -               |
| 1.2658  | 100  | 0.1718        | -               |
| 1.8987  | 150  | 0.095         | -               |
| 2.5316  | 200  | 0.0257        | -               |
| 3.1646  | 250  | 0.0142        | -               |
| 3.7975  | 300  | 0.0026        | -               |
| 4.4304  | 350  | 0.0164        | -               |
| 5.0633  | 400  | 0.01          | -               |
| 5.6962  | 450  | 0.0004        | -               |
| 6.3291  | 500  | 0.0003        | -               |
| 6.9620  | 550  | 0.0002        | -               |
| 7.5949  | 600  | 0.0002        | -               |
| 8.2278  | 650  | 0.0001        | -               |
| 8.8608  | 700  | 0.0001        | -               |
| 9.4937  | 750  | 0.0001        | -               |
| 10.1266 | 800  | 0.0001        | -               |
| 10.7595 | 850  | 0.0001        | -               |
| 11.3924 | 900  | 0.0001        | -               |
| 12.0253 | 950  | 0.0001        | -               |
| 12.6582 | 1000 | 0.0001        | -               |
| 13.2911 | 1050 | 0.0001        | -               |
| 13.9241 | 1100 | 0.0001        | -               |
| 14.5570 | 1150 | 0.0001        | -               |
| 15.1899 | 1200 | 0.0001        | -               |
| 15.8228 | 1250 | 0.0001        | -               |
| 16.4557 | 1300 | 0.0001        | -               |
| 17.0886 | 1350 | 0.0001        | -               |
| 17.7215 | 1400 | 0.0001        | -               |
| 18.3544 | 1450 | 0.0001        | -               |
| 18.9873 | 1500 | 0.0001        | -               |
| 19.6203 | 1550 | 0.0001        | -               |

### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0.dev0
- Sentence Transformers: 3.1.1
- Transformers: 4.46.1
- PyTorch: 2.4.0+cu121
- Datasets: 2.20.0
- Tokenizers: 0.20.0

## 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.*
-->