---
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: 비타그램 프리미엄 페이스&갈바닉 CX19-11  주식회사 제이제이몰
- text: 쥬베라 3파장 357개 LED 마스크  주식회사 바바라도로시
- text: 코털제거기 코털 귀털 눈썹 정리기 나비 NV151-ENT7 화이트 정리기 다듬기 관리기 깍기  (주) 윙스아이티
- text: 조아스 전기 이발기 JC-4773  홍운SnC
- text: 필립스 방수전기면도기 건습식 SkinIQ 7000 S7788/61 다크크롬  헤일로
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: 0.7128640776699029
      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:** 18 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    | <ul><li>'다이슨 슈퍼소닉 여행용 헤어 드라이기 휴대용 가죽 케이스 보관함 가방 브라운 아저씨'</li><li>'[체리니]레인보우잭 클리퍼잭 바리깡 잭 바리깡 덧날  체리니'</li><li>'바비온 BOB65 강아지이발기 전용 이발기날 이발기 바리깡 세라믹 이발기날 교체용날  주식회사 바비온'</li></ul>                                          |
| 13    | <ul><li>'홈스킨이노베이션즈 실큰 쥬얼 IPL 레이저 제모기  공육이삼(0623)'</li><li>'유어피스 바디쉐이버 YP-BR01(샴페인핑크) 소담마켓'</li><li>'필립스코리아 샤티넬 모근제거기 화이트 + 라임 그린 BRE224/00  최상현'</li></ul>                                                                 |
| 11    | <ul><li>'하이맥스토끼바리깡 CL-300 전문가용이발기 핑크 오.케이상사'</li><li>'하이맥스 CL-303K 토끼바리깡/장미바리깡/미용실바리깡  한일인터내셔널'</li><li>'베라스 남자이발기 프로바리깡 전문가용 방수이발기 바리깡 미용실바리깡 유아이발기 셀프 투블럭 아기바리깡 셀프바리깡 미용실바리깡 토끼바리깡 유아바리깡 방수바리깡 VC-1000S  이코리코'</li></ul> |
| 8     | <ul><li>'[애드온] 애드온 전동 손톱깎이 네일트리머 SV425  (주) 교보문고'</li><li>'전동 아기 신생아 손톱깎이 네일트리머 손톱트리머 BNT-2 블루 (주)휴비딕'</li><li>'세신드릴 블랙스완 무선 네일드릴 35,000rpm  주식회사 코즈랩'</li></ul>                                                           |
| 3     | <ul><li>'에어라파 무선 방수 스마트 두피마사지기 HS3440  다인지앤비'</li><li>'두피 마사지기 관리기 저준위레이저 모두온 SH-LC2 블루 (주)메디위'</li><li>'[텐마인즈] 브레오 두피 마사지기 SCALP2 헤어 스칼프 전동 안마기 관리기 각질케어 [465] 그레이_1개(15000원) (주) 열심히커뮤니케이션즈'</li></ul>                   |
| 5     | <ul><li>'[소식알림받고 리뷰작성 3만적립금]다이슨 에어스트레이트 스트레이트너 (블루/코퍼)  다이슨코리아 유한회사'</li><li>'[포토리뷰 1만원 적립]다이슨 에어스트레이트 스트레이트너 (니켈/코퍼)  다이슨코리아 유한회사'</li><li>'다이슨 코랄 헤어 스트레이트너(코퍼/니켈) / 정품 / L 레드/니켈(기프트) 주식회사 리안'</li></ul>                |
| 12    | <ul><li>'BRAUN 시리즈X M1100  세진세라믹'</li><li>'BRAUN 시리즈7 71-N1200S  뉴데이즈마켓'</li><li>'필립스 SkinIQ 5000시리즈 S5588/17 - 포시즌  밸류앤포'</li></ul>                                                                                       |
| 16    | <ul><li>'JMW BLDC 헤어 드라이어 부스터 SDU3A01A 코스트코 드라이기  에이앤지컴퍼니'</li><li>'테팔 헤어스트레이트너 리스앤컬 투인원 HS4210K0  (주)인앤인코스메틱'</li><li>'벨레르 그루 8in1 전력전압 자동조절 전 세계 최초 해외 사용 가능 에어 스타일러 헤어 드라이기  주식회사 나우홈'</li></ul>                        |
| 4     | <ul><li>'플러스에어 공식판매처 헤어드라이기 H3 베이직 그린 주식회사 디깅미인터내셔널'</li><li>'예스뷰티 ZOA-1530  이순한'</li><li>'차이슨 헤어 초경량 가벼운드라이기 여행용 휴대용 3m 1.8m스탠다드  밀크 단일노즐 영통종합유통'</li></ul>                                                               |
| 17    | <ul><li>'예스뷰티 헤어롤 YB-9200 롤20개 사용온도센서  바이오메드'</li><li>'예스뷰티 휴대용 헤어롤 YB-104 프리볼트/헤어롤/휴대용헤어롤/구르프/셋팅기/휴대용셋팅기/여행용셋팅기/여행용헤어롤/예스뷰티헤어롤 YB-104 (프리볼트) 윌로펌프서비스(김포)'</li><li>'[예스뷰티]YB-9120 전기헤어롤 12P  태민사'</li></ul>                |
| 6     | <ul><li>'BRAUN 70S  셜크'</li><li>'[BRAUN] 브라운 전기면도기 시리즈9&8 파워충전케이스 (9484 PC) 9484pc power case [PC15] 주식회사 이엘피스(E-엘피스)'</li><li>'파나소닉 람대쉬 전기면도기 세척기전용 (WES4L03) 세정액  (주)레그노'</li></ul>                                      |
| 15    | <ul><li>'LG 프라엘 인텐시브 멀티케어 BLP1 복합 갈바닉 고주파 마사지기 쿨링 미세전류 수분 보습 탄력 케어 인텐시브 멀티케어[P709] 주식회사블루원'</li><li>'피코스텍 메디큐브 에이지알 유쎄라 딥 샷 (거치대포함) 김희선 마사지기  하이곰 마켓'</li><li>'LG프라엘 더마쎄라 BLQ1 + 카트리지 BARQ1 2종 세트  (주)엘앤텍'</li></ul>       |
| 0     | <ul><li>'FHIKOREA 마르세이유 MW_01 블랙 아래서위로'</li><li>'바비리스 수블림 컬링 아이론 C332K  우씨(WooSEA)'</li><li>'바비리스 C332K  모라상사'</li></ul>                                                                                                   |
| 14    | <ul><li>'필립스 NT3650/16 동의 선우에이치앤비(SUNWOO H&B)'</li><li>'이즈미 생활방수 코털제거기 NB-12B 핵심 날 망 일본 제조  (주)라이징테크'</li><li>'필립스 NT-3160 필립스 NT-3160 렉슬리코리아'</li></ul>                                                                   |
| 2     | <ul><li>'[MISO] 미소 AR-148PP 눈썹정리기/눈썹바리깡/눈썹이발기 AR-148PP 메티에'</li><li>'파나소닉 셀프 제모기 트리머 면도기 ER-GM40 눈썹 바리깡  (주)미도시'</li><li>'쥬베라 히팅뷰러 속눈썹 고데기 JV-305 핑크  팔팔상회'</li></ul>                                                      |
| 1     | <ul><li>'페이스팩토리 속눈썹 고데기 USB 충전 온열 히팅 뷰러 드라이기 고대기 속눈썹고데기 리뉴얼 주식회사 큐비스트'</li><li>'오아 쁘띠 컬링 v2 속눈썹 고데기 USB 충전식 온도조절 온열 히팅뷰러 ★혜택가★ 쁘띠컬링 J0001 오아 주식회사'</li><li>'쥬베라 속눈썹 고데기 온열 히팅 뷰러 탄젤로 주식회사 쥬베라'</li></ul>                   |
| 7     | <ul><li>'라피타 3in1 아이돌 히팅래쉬펌. 온열괄사  (주)제이온케어'</li><li>'오아 포텐컬링 속눈썹 고데기 usb 충전식 온도조절 온열 히팅뷰러 포텐컬링 J0007 오아 주식회사'</li><li>'크리스탈클라우드 충전식 눈썹 속눈썹 고데기 13g 1개  에이치케이코퍼레이션(주)'</li></ul>                                           |
| 9     | <ul><li>'보다나 글램컬 에어 힛 브러쉬 코스트코  씨이마켓(CEMARKET)'</li><li>'비달사순 에어브러쉬 헤어 롤 빗 에어 스타일러 VSAS80PIK (CU상품권)  주식회사 디에이지'</li><li>'[Panasonic] 빗 드라이기 EH-KA11 [파나소닉 공식인증]  (주)컴퓨존'</li></ul>                                        |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.7129 |

## 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_el15")
# Run inference
preds = model("조아스 전기 이발기 JC-4773  홍운SnC")
```

<!--
### 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   | 4   | 8.8868 | 24  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0     | 50                    |
| 1     | 3                     |
| 2     | 50                    |
| 3     | 50                    |
| 4     | 50                    |
| 5     | 50                    |
| 6     | 50                    |
| 7     | 3                     |
| 8     | 50                    |
| 9     | 50                    |
| 10    | 50                    |
| 11    | 50                    |
| 12    | 50                    |
| 13    | 50                    |
| 14    | 50                    |
| 15    | 50                    |
| 16    | 39                    |
| 17    | 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 |
|:-----:|:----:|:-------------:|:---------------:|
| 0.008 | 1    | 0.4972        | -               |
| 0.4   | 50   | 0.3579        | -               |
| 0.8   | 100  | 0.2105        | -               |
| 1.2   | 150  | 0.0948        | -               |
| 1.6   | 200  | 0.0803        | -               |
| 2.0   | 250  | 0.0848        | -               |
| 2.4   | 300  | 0.0253        | -               |
| 2.8   | 350  | 0.0278        | -               |
| 3.2   | 400  | 0.023         | -               |
| 3.6   | 450  | 0.0113        | -               |
| 4.0   | 500  | 0.0098        | -               |
| 4.4   | 550  | 0.006         | -               |
| 4.8   | 600  | 0.01          | -               |
| 5.2   | 650  | 0.0044        | -               |
| 5.6   | 700  | 0.0069        | -               |
| 6.0   | 750  | 0.0117        | -               |
| 6.4   | 800  | 0.004         | -               |
| 6.8   | 850  | 0.0004        | -               |
| 7.2   | 900  | 0.0023        | -               |
| 7.6   | 950  | 0.0023        | -               |
| 8.0   | 1000 | 0.0004        | -               |
| 8.4   | 1050 | 0.0024        | -               |
| 8.8   | 1100 | 0.0003        | -               |
| 9.2   | 1150 | 0.001         | -               |
| 9.6   | 1200 | 0.0003        | -               |
| 10.0  | 1250 | 0.0004        | -               |
| 10.4  | 1300 | 0.0002        | -               |
| 10.8  | 1350 | 0.0003        | -               |
| 11.2  | 1400 | 0.0028        | -               |
| 11.6  | 1450 | 0.0002        | -               |
| 12.0  | 1500 | 0.0002        | -               |
| 12.4  | 1550 | 0.0002        | -               |
| 12.8  | 1600 | 0.0002        | -               |
| 13.2  | 1650 | 0.0002        | -               |
| 13.6  | 1700 | 0.0002        | -               |
| 14.0  | 1750 | 0.0001        | -               |
| 14.4  | 1800 | 0.0002        | -               |
| 14.8  | 1850 | 0.0002        | -               |
| 15.2  | 1900 | 0.0012        | -               |
| 15.6  | 1950 | 0.0001        | -               |
| 16.0  | 2000 | 0.0003        | -               |
| 16.4  | 2050 | 0.0001        | -               |
| 16.8  | 2100 | 0.0001        | -               |
| 17.2  | 2150 | 0.0001        | -               |
| 17.6  | 2200 | 0.0005        | -               |
| 18.0  | 2250 | 0.0001        | -               |
| 18.4  | 2300 | 0.0005        | -               |
| 18.8  | 2350 | 0.0001        | -               |
| 19.2  | 2400 | 0.0008        | -               |
| 19.6  | 2450 | 0.0001        | -               |
| 20.0  | 2500 | 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.*
-->