---
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: 아메리칸투어리스터 STARK 이민가방 2 BLACK GK109001 GK109001 GK109001/FREE 홈앤쇼핑몰
- text: 수리 부품 핸들 교체 캐리어 트롤리 셀프 가방 손잡이 H027그레이1개(가죽자리) 민인터내셔널
- text: 캐리어 사각 네임택 분실방지 골프 여행 가방 이름표 흰색-파리 에펠탑 최첨단mall
- text: 여행소품 TSA 자물쇠 타입 캐리어 고정 벨트 지퍼고장시 분실방지  주식회사 마카롱소프트
- text: 보호 M사이즈 캐리어보호커버 캐리어 스판덱스 커버 TRC805M 위드위너(g)
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: 0.9003322259136213
      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:** 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                                                                                                                                                                                                         |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 10.0  | <ul><li>'캐리어바퀴 여행용 휠 교체 수리 수선 무소음 51종 49. W358 페어 오리지널리티'</li><li>'교체 수리 부품 범용 호환 캐스터 여행 캐리어바퀴 15.O(상세페이지 참조) 아라가나고야도이길'</li><li>'해외가방 교체부품 액세서리 손잡이 캐리어 수리 핸들 여행용 수하물 핸들링 범용 28호 손잡이(1개) 루디프몰'</li></ul>        |
| 8.0   | <ul><li>'십자형 캐리어 벨트 투웨이 고정 트렁크 밴드 여행 가방 보호 잠금 오렌지 도비77마켓'</li><li>'TCUBE - 멀티 안전케이블 + 4다이얼 안전자물쇠 세트 - 2.5M[티큐브] 블루 주식회사 웹이즈'</li><li>'정확도 다용도 도난방지 락 자전거열쇠 바이크열쇠 오토바이열쇠  코베유통'</li></ul>                         |
| 1.0   | <ul><li>'캐리어 네임택 러기지택 여행 가방 네임 표시 이름표 태그 플라스틱 케이블 스트랩 6. 그린 우동방구'</li><li>'홀로그램 피오피 네임택 골프 배드민턴 볼링 축구 야구 태권도 탁구 테니스 등산 콘서트명찰 9cm_양면_검정 플라스틱 그레이브러시'</li><li>'[마넷] 마넷 실리콘 러기지택 4종 04. 버니슈 (주) 교보문고'</li></ul>     |
| 6.0   | <ul><li>'레츠백 플라커 세면백 LB405TBNG 블랙 갓블레스'</li><li>'언더아머 핸드백 1361993-001 UA 컨테인 트레블 키트 1361993-001_1 주식회사 비비엘유이코리아'</li><li>'세면백 여행용워시백 투명 방수 세면도구파우치 워시백 블랙(M) 최민준'</li></ul>                                      |
| 5.0   | <ul><li>'씨투써밋 트래블 월렛 RFID SM 여행 여권 목걸이 지갑 11203586 SM 하이라이즈 더블유컴퍼니'</li><li>'월레스와 그로밋 여권 케이스 지갑 커버 가족 네이비 핫핑크_one size 폰브로스'</li><li>'[캐스키드슨] 패스포트 홀더 씨사이드 쉘 (CK-A105347216662102)  (주)스타럭스'</li></ul>           |
| 9.0   | <ul><li>'[맨백] 대용량 캐리어 대형 36인치 여행용 케리어 ELG456L 32인치_라이트블루 맨백스토어'</li><li>'아메리칸투어리스터TREPPE PLUS 트레페 플러스 여행가방 5종 세트 색상:아이언 레드 GSSHOPTV'</li><li>'30% 스카이코브 25인치 다크섀도우 GE407005BCDS 다크섀도우_46 31 69 NC_백화점'</li></ul> |
| 4.0   | <ul><li>'빈티지 슈트 케이스 레트로 엔틱 가방 촬영 소품 고전 브라운A 페트라클라우드'</li><li>'빈티지 슈트 케이스 레트로 엔틱 가방 촬영 소품 고전 브라운B 페트라클라우드'</li><li>'[시후레] 초경량 프레임 가방 ZEROGRA 제로그라 ZER1143 74 cm 5.1 kg 매트 블랙  YSPlanning'</li></ul>               |
| 0.0   | <ul><li>'(NS홈쇼핑) 트래커 마카론 여행가방 2종 SET(캐리어+미니크로스백) 31889386 바나나옐로우 신세계몰'</li><li>'PESPES. 루키 레디백 12형 커스터드 옐로우 [0001]단일상품 CJONSTYLE'</li><li>'정식수입품 에어휠 전동캐리어 블랙핑크실버 최고급 프리미엄 모델 SE3S 프리미엄_핑크 한미그린산업(주)'</li></ul>  |
| 7.0   | <ul><li>'롤리키드 저소음 2단 이민가방 RLP9IG2 [0002]버건디 CJONSTYLE'</li><li>'캐리어 타입 블랙 초대형 소프트 여행가방 이민가방 ~32인치 H_큰 한경리'</li><li>'100인치 특대 여행가방 초대형 수하물캐리어 한달살기 이민 C_80 인치 워너직구'</li></ul>                                     |
| 11.0  | <ul><li>'캐릭터 스판 캐리어 커버 여행용 캐리어 보호커버 가방보호 06.쿠마몬_L 오에스케이(On Sale Korea)'</li><li>'스판 무지 캐리어커버 20인치 방수 30인치 24인치 28인치 케리어 덮개 블루_XL 헬로쁘미'</li><li>'[꿀트립] 스판/방수 캐리어커버 (HFTR) 06.베리마블_S(TRAE23L-S) 호자인터내셔널'</li></ul> |
| 3.0   | <ul><li>'허리 수납 밴드 복대 여행용 가방 힙색 지갑 그레이:M 쏭리빙'</li><li>'LEA-L1300 멀티여행백 연보라 와플플러스 주식회사'</li><li>'허리힙색 여권복대 여행보조백 폰가방 스포츠전대 검정 추가C'</li></ul>                                                                       |
| 2.0   | <ul><li>'방수 여행 용 보스턴백 백팩 가방 캠핑 구 숄더백 쇼퍼백 커플 블랙 서승솔루션'</li><li>'레스포삭 라지 트래블백 방수 토트 크로스백 대용량 4319 블랙 블랙 스누피 쿼카상점'</li><li>'갤러리아 헤리티지 카고 백 라이트 NN2FP78A (BLK) - NN2FP78 검정_one size/free 갤러리아백화점'</li></ul>         |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.9003 |

## 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_ac11")
# Run inference
preds = model("보호 M사이즈 캐리어보호커버 캐리어 스판덱스 커버 TRC805M 위드위너(g)")
```

<!--
### 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   | 10.4117 | 23  |

| 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                    |
| 10.0  | 50                    |
| 11.0  | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0106  | 1    | 0.3558        | -               |
| 0.5319  | 50   | 0.2892        | -               |
| 1.0638  | 100  | 0.136         | -               |
| 1.5957  | 150  | 0.075         | -               |
| 2.1277  | 200  | 0.0462        | -               |
| 2.6596  | 250  | 0.0302        | -               |
| 3.1915  | 300  | 0.0165        | -               |
| 3.7234  | 350  | 0.0173        | -               |
| 4.2553  | 400  | 0.0096        | -               |
| 4.7872  | 450  | 0.0156        | -               |
| 5.3191  | 500  | 0.004         | -               |
| 5.8511  | 550  | 0.0002        | -               |
| 6.3830  | 600  | 0.0001        | -               |
| 6.9149  | 650  | 0.0001        | -               |
| 7.4468  | 700  | 0.0001        | -               |
| 7.9787  | 750  | 0.0001        | -               |
| 8.5106  | 800  | 0.0001        | -               |
| 9.0426  | 850  | 0.0001        | -               |
| 9.5745  | 900  | 0.0001        | -               |
| 10.1064 | 950  | 0.0001        | -               |
| 10.6383 | 1000 | 0.0001        | -               |
| 11.1702 | 1050 | 0.0001        | -               |
| 11.7021 | 1100 | 0.0           | -               |
| 12.2340 | 1150 | 0.0001        | -               |
| 12.7660 | 1200 | 0.0001        | -               |
| 13.2979 | 1250 | 0.0           | -               |
| 13.8298 | 1300 | 0.0           | -               |
| 14.3617 | 1350 | 0.0001        | -               |
| 14.8936 | 1400 | 0.0           | -               |
| 15.4255 | 1450 | 0.0           | -               |
| 15.9574 | 1500 | 0.0001        | -               |
| 16.4894 | 1550 | 0.0           | -               |
| 17.0213 | 1600 | 0.0001        | -               |
| 17.5532 | 1650 | 0.0           | -               |
| 18.0851 | 1700 | 0.0           | -               |
| 18.6170 | 1750 | 0.0           | -               |
| 19.1489 | 1800 | 0.0           | -               |
| 19.6809 | 1850 | 0.0           | -               |

### 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.*
-->