Hugging Face's logo

mini1013
/
master_cate_lh1

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_lh1 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
db42678 verified
preview code
|
raw
history blame contribute delete
10.2 kB
metadata
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: 아이워너 스마트체지방체중계KS-BF4000/홈트용품/헬스용품  더베스트샾
  - text: 트랜스텍 팔뚝형 가정용 자동 혈압계 혈압측정기 TMB-1597 상승가압방식  바이메드
  - text: 휴비딕 초음파 무선 신장계 HUK-2 아기 키측정기 키재기 자동 거리 G 핑크 골든 플레이스
  - text: 앳플리 T9 정확한 몸무게 저울 더블스마트인 체중계 가정용 전자 기계 화이트 (주)픽스몰
  - text: 어린이 신장 측정기 높이 벽 스티커 3D 키재기 신장계 B_큰 핑팝
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: 0.971224790949336
            name: Metric

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
1.0
  • '신장 측정 기계 표준 기계식 측정기 학교 병원 약국 건강 검진 신장계 키재기 70-190cm 블랙_기계적 핑팝'
  • '공룡 자석 귀여운 키재기 기린 눈금 벽 측정도구 소프트웨어 보내기[프로 버전-양고] 고소몽 새벽잡화점'
  • '키 몸무게 측정기 검사 헬스장 학교 검진 보건실 신체 160kg 제품 (블랙) 노마둔'
5.0
  • '휴비딕 신생아 유아 아기 고양이 강아지 반려동물 체중계 HUS-316B (주)휴비딕'
  • '[애구애구] 강아지 고양이 체중계 건전지 포함, 애견 원터치 무선 체중계, 반려견 몸무계 측정기 애드마스터'
  • '상업용 전자 정밀 소형 저울T사우나 헬스장 체중계 전자저울 100KG 150KG 이로운발견'
0.0
  • '스마트 만보기 시계 만보팔찌 손목만보계 칼로리시계 스마트 만보 시계 팔찌 손목 형 실리콘 디지털 계 만보기시계-민트 제이한 주식회사'
  • '오리온 계수기 FH102 주식회사 다원피앤피'
  • '미니 디지털카운터기 0~99999까지 / 반지계수기 카운터기-파랑 대박나라'
4.0
  • '브라운 써모스캔 귀 체온계 IRT6030 롯데백화점1관'
  • '브라운체온계 IRT-6030 적외선 귀체온계 가정용 신생아 체온계 필터21개+건전지 포함 브라운체온계 IRT-6030 주식회사 온라이브플러스'
  • '브라운 귀체온계 IRT-6030 + 필터21p포함/1년무상AS baby 신세계몰'
6.0
  • '오므론 손목형 자동전자 혈압계 HEM-6161 가정용혈압계_MC 멸치쇼핑'
  • '인바디 BPBIO320N 자동 혈압계 BPBIO320N_그레이(테이블+의자 포함) 바디메디칼'
  • '휴비딕 비피첵 손목 자동 전자 혈압계 HBP-600 혈압측정기 판테온'
3.0
  • '독일 LED 검이경(성인/아동 겸용)-건전지식 풍솔글로벌'
  • '간호사용 병원 진찰용품 의사 청진기 측정기 소아과 심박 내과 cosse2'
  • 'SPIRIT 검이경 CK-939A /오토스코프/직접조사방식/알루미늄재질/좌우스위치방식적용 풍솔글로벌'
2.0
  • 'Wahoo Fitness 티커 심박수측정기(HRM) 스텔스 그레이 White 픽더마인드'
  • 'POLAR Equine H10 라이딩 심박수 센서 라이브러리2'
  • 'Polar H10 심박수 모니터, 블루투스 HRM 가슴 스트랩 - 아이폰 및 안드로이드 호환, 블랙 식스퀄리티'

Evaluation

Metrics

Label Metric
all 0.9712

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_lh1")
# Run inference
preds = model("어린이 신장 측정기 높이 벽 스티커 3D 키재기 신장계 B_큰 핑팝")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 9.9771 18
Label Training Sample Count
0.0 50
1.0 50
2.0 6
3.0 50
4.0 50
5.0 50
6.0 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
0.0208 1 0.4314 -
1.0417 50 0.1947 -
2.0833 100 0.0912 -
3.125 150 0.0968 -
4.1667 200 0.0231 -
5.2083 250 0.0004 -
6.25 300 0.0001 -
7.2917 350 0.0001 -
8.3333 400 0.0 -
9.375 450 0.0001 -
10.4167 500 0.0 -
11.4583 550 0.0 -
12.5 600 0.0 -
13.5417 650 0.0 -
14.5833 700 0.0 -
15.625 750 0.0 -
16.6667 800 0.0 -
17.7083 850 0.0 -
18.75 900 0.0 -
19.7917 950 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 

@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}
}