---
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: 트라택 마사지건 액티브건 팟 휴대용 초소형 김계란 근육 무선마사지 코발트블루&차콜 주식회사 나음케어
- text: 접이식 도수 치료 추나 테이블 경락 안마 피부샵 베드 미용 침대 마사지 관리 보라색 70cm 침대+침공베개 레비하이
- text: 케잔 괄사 마사지 승모근 어깨 림프순환 괄사 세라믹괄사 1. 옵션1 강한자극 케잔아일랜드
- text: 접이식 마사지 침대 피부관리 한의원 안마 미용베드 11.70cm 와이드 2단 그레이 서진홀딩스
- text: 등 허리 경추 다기능 전신 목 어깨 전기 마사지 쿠션 허리안마기 A_EU 파밀리아
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: 0.8100799016594961
      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:** 6 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                                                                                                                                                                                                                            |
|:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 2.0   | <ul><li>'멜킨 바른 그래핀 무릎 온열 찜질 마사지기 무선 안마기 찜질마사지기듀얼2개 아이니쥬♥'</li><li>'눈편한세상 눈 안마기 온열안대 공기압 기계 마사지기  오아월드'</li><li>'엘보타파 전완근 무선 온열 공기압 손 마사지기 MDM-1422S 실버 MDM-1422S 메디니스'</li></ul>                                                    |
| 6.0   | <ul><li>'보이로 640.37 MG 260 지압 마사지기 시트 커버 블랙 사무실 의자 시니어 부모님  유로사이드라인'</li><li>'차량용안마기 화물차 기사용 바디 피로 자궁 쿠션 안정기 탑 USB/308E 디럭스 2 오션글림'</li><li>'차량용안마기 화물차 기사용 바디 피로 자궁 쿠션 안정기 탑 USB/308E 디럭스 1 오션글림'</li></ul>                        |
| 0.0   | <ul><li>'접이식 도수 치료 추나 테이블 경락 안마 피부샵 베드 미용 침대 마사지 관리 조절형 커피색 60cm 침대+침공베개 레비하이'</li><li>'고급 비닐커버 특대형 침대비닐커버 침대 맞춤 병원 피부샵 경락샵 2000x1300_피부비닐커버(구멍X) skin2010'</li><li>'바이오힐보 프로바이오덤 리프팅 괄사 마사저 림프 마사지기 쿨링 마사저 쿨링 마사저 제이글로벌'</li></ul> |
| 4.0   | <ul><li>'[ 추가 만원 할인쿠폰 ] 파나소닉 김강우 안마의자 EP-MA05 (2종택1)+/ 카페트 및 무상 AS 1년 화이트&클래식블루 (주)렙테크'</li><li>'[세라젬] 파우제 M4 안마의자 마사지 휴식가전 베이지 세라젬'</li><li>'웰모아 안마의자 공기압마사지기 다리길이 조절 등 허리 온열 HCW-6300  도레미마켓'</li></ul>                           |
| 3.0   | <ul><li>'굿프렌드 온열 전신안마매트 GT-S6  GSSHOP_'</li><li>'목욕탕 때밀이 침대 교체용 마사지 베드 매트 쿠션 판 블루 185x60 밀꾸밀꾸'</li><li>'혜성의료기 국내생산 두타매트 HS-770 온열과 안마 받침대옵션 마사지매트 받침대없음_14봉 멸치쇼핑'</li></ul>                                                         |
| 1.0   | <ul><li>'멜킨 멜리즈 마사지건 무선 전동 휴대용 저소음 마사지기 어깨 승모근 전신 안마기 선물 빈티지 아이보리 (주)거성디지털'</li><li>'인썸 휴대용 미니 핸디 전동 마사지건 IMG-150  '</li><li>'멜킨 멜리즈 마사지건 무선 전동 휴대용 저소음 마사지기 어깨 승모근 전신 안마기 선물 제트 블랙 (주)거성디지털'</li></ul>                             |

## Evaluation

### Metrics
| Label   | Metric |
|:--------|:-------|
| **all** | 0.8101 |

## 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_lh17")
# Run inference
preds = model("등 허리 경추 다기능 전신 목 어깨 전기 마사지 쿠션 허리안마기 A_EU 파밀리아")
```

<!--
### 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   | 11.3370 | 23  |

| Label | Training Sample Count |
|:------|:----------------------|
| 0.0   | 50                    |
| 1.0   | 20                    |
| 2.0   | 50                    |
| 3.0   | 50                    |
| 4.0   | 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 |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0233  | 1    | 0.4557        | -               |
| 1.1628  | 50   | 0.2241        | -               |
| 2.3256  | 100  | 0.0604        | -               |
| 3.4884  | 150  | 0.0172        | -               |
| 4.6512  | 200  | 0.0031        | -               |
| 5.8140  | 250  | 0.0009        | -               |
| 6.9767  | 300  | 0.004         | -               |
| 8.1395  | 350  | 0.0001        | -               |
| 9.3023  | 400  | 0.0           | -               |
| 10.4651 | 450  | 0.0           | -               |
| 11.6279 | 500  | 0.0           | -               |
| 12.7907 | 550  | 0.0           | -               |
| 13.9535 | 600  | 0.0           | -               |
| 15.1163 | 650  | 0.0           | -               |
| 16.2791 | 700  | 0.0           | -               |
| 17.4419 | 750  | 0.0           | -               |
| 18.6047 | 800  | 0.0           | -               |
| 19.7674 | 850  | 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.*
-->