decision-lord / interactive.py
fetuber4095's picture
Upload folder using huggingface_hub
40d4065 verified
Raw History Blame Contribute Delete
6.02 kB
#!/usr/bin/env python3
"""
Interface interativa para adicionar perguntas, treinar e testar o modelo decision-lord.
Uso: python interactive.py
"""
import csv
import os
import sys
import joblib
from collections import OrderedDict
CSV_PATH = "dados.csv"
MODEL_PATH = "modelo_abcd.joblib"
def carregar_perguntas():
"""Lê o CSV e retorna lista de dicts."""
perguntas = []
if not os.path.exists(CSV_PATH):
return perguntas
with open(CSV_PATH, newline="", encoding="utf-8") as f:
leitor = csv.DictReader(f)
for linha in leitor:
perguntas.append({
"pergunta": linha["pergunta"],
"opcoes": {
"A": linha["opcao_a"],
"B": linha["opcao_b"],
"C": linha["opcao_c"],
"D": linha["opcao_d"],
},
"correta": linha["correta"],
})
return perguntas
def salvar_perguntas(perguntas):
"""Salva a lista de perguntas no CSV."""
with open(CSV_PATH, "w", newline="", encoding="utf-8") as f:
escritor = csv.DictWriter(
f,
fieldnames=["pergunta", "opcao_a", "opcao_b", "opcao_c", "opcao_d", "correta"],
)
escritor.writeheader()
for p in perguntas:
escritor.writerow({
"pergunta": p["pergunta"],
"opcao_a": p["opcoes"]["A"],
"opcao_b": p["opcoes"]["B"],
"opcao_c": p["opcoes"]["C"],
"opcao_d": p["opcoes"]["D"],
"correta": p["correta"],
})
def adicionar_pergunta():
"""Coleta nova pergunta do usuário."""
print("\n" + "=" * 50)
print("NOVA PERGUNTA")
print("=" * 50)
pergunta = input("Pergunta: ").strip()
if not pergunta:
return None
opcoes = {}
for letra in "ABCD":
while True:
opcao = input(f" Opção {letra}: ").strip()
if opcao:
opcoes[letra] = opcao
break
print(" Opção não pode estar vazia.")
while True:
correta = input("Qual é a correta? (A/B/C/D): ").strip().upper()
if correta in "ABCD":
break
print(" Digite apenas A, B, C ou D.")
return {"pergunta": pergunta, "opcoes": opcoes, "correta": correta}
def treinar():
"""Re-treina o modelo com todos os dados atuais."""
import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
perguntas = carregar_perguntas()
if len(perguntas) < 5:
print(f"\n⚠️ Apenas {len(perguntas)} perguntas. Adicione pelo menos 5 pra treinar.")
return False
rows = []
for p in perguntas:
for letra in "ABCD":
texto = f"pergunta: {p['pergunta']} | opcao: {p['opcoes'][letra]}"
rows.append({"texto": texto, "label": 1 if p["correta"] == letra else 0})
treino = pd.DataFrame(rows)
modelo = Pipeline([
("tfidf", TfidfVectorizer(ngram_range=(1, 2), min_df=1)),
("clf", LogisticRegression(max_iter=2000, class_weight="balanced")),
])
modelo.fit(treino["texto"], treino["label"])
joblib.dump(modelo, MODEL_PATH)
print(f"\n✅ Modelo treinado com {len(perguntas)} perguntas ({len(treino)} amostras).")
return True
def testar():
"""Testa o modelo com uma pergunta manual."""
if not os.path.exists(MODEL_PATH):
print("\n⚠️ Modelo não treinado ainda. Treine primeiro.")
return
modelo = joblib.load(MODEL_PATH)
perguntas = carregar_perguntas()
print("\n" + "=" * 50)
print("TESTE RÁPIDO")
print("=" * 50)
pergunta = input("Pergunta: ").strip()
if not pergunta:
return
opcoes = {}
for letra in "ABCD":
while True:
opcao = input(f" Opção {letra}: ").strip()
if opcao:
opcoes[letra] = opcao
break
scores = {}
for letra, texto in opcoes.items():
entrada = f"pergunta: {pergunta} | opcao: {texto}"
scores[letra] = modelo.predict_proba([entrada])[0][1]
melhor = max(scores, key=scores.get)
print("\n📊 Scores:")
for k in "ABCD":
barra = "█" * int(scores[k] * 40)
print(f" {k}: {scores[k]:.4f} {barra}")
print(f"\n✅ Resposta prevista: {melhor}")
# Mostra se acertou (se a pergunta estiver no dataset)
for p in perguntas:
if p["pergunta"].lower() == pergunta.lower():
if p["correta"] == melhor:
print("🎉 Acertei a correta!")
else:
print(f"❌ Correta seria {p['correta']}.")
break
def menu():
while True:
print("\n" + "=" * 50)
print(" DECISION-LORD · INTERACTIVE")
print("=" * 50)
print("1. Adicionar nova pergunta")
print("2. Treinar modelo com os dados atuais")
print("3. Testar modelo")
print("4. Ver perguntas salvas")
print("5. Sair")
print("=" * 50)
opcao = input("Escolha: ").strip()
if opcao == "1":
p = adicionar_pergunta()
if p:
perguntas = carregar_perguntas()
perguntas.append(p)
salvar_perguntas(perguntas)
print(f"\n✅ Pergunta salva! ({len(perguntas)} no total)")
elif opcao == "2":
treinar()
elif opcao == "3":
testar()
elif opcao == "4":
perguntas = carregar_perguntas()
print(f"\n📚 {len(perguntas)} perguntas salvas:")
for i, p in enumerate(perguntas, 1):
print(f" {i}. {p['pergunta'][:60]}... → {p['correta']}")
elif opcao == "5":
print("Até logo! 👋")
sys.exit(0)
else:
print("Opção inválida.")
if __name__ == "__main__":
menu()