fetuber4095 commited on
Commit
40d4065
·
verified ·
1 Parent(s): fc618f2

Upload folder using huggingface_hub

Browse files
Files changed (4) hide show
  1. README.md +22 -5
  2. dados.csv +36 -0
  3. interactive.py +204 -0
  4. modelo_abcd.joblib +2 -2
README.md CHANGED
@@ -20,12 +20,23 @@ Roda em CPU, sem GPU, usando pouquíssima RAM.
20
  2. Um pipeline `TfidfVectorizer` + `LogisticRegression` aprende a pontuar.
21
  3. Na hora de responder, testa as 4 opções e escolhe a de maior score.
22
 
 
 
 
 
 
 
 
 
 
 
23
  ## Uso
24
 
25
  ```bash
26
- pip install scikit-learn pandas joblib
27
- python train.py # gera modelo_abcd.joblib
28
- python predict.py # exemplo de resposta
 
29
  ```
30
 
31
  ```python
@@ -47,10 +58,16 @@ letra, scores = responder(
47
  print(letra) # B
48
  ```
49
 
 
 
 
 
 
50
  ## Dados
51
 
52
- `dados.csv` com 15 perguntas de exemplo. Para melhorar a qualidade, adicione mais
53
- linhas no mesmo formato — 200 a 500 perguntas já dão um salto grande.
 
54
 
55
  ## Limitações
56
 
 
20
  2. Um pipeline `TfidfVectorizer` + `LogisticRegression` aprende a pontuar.
21
  3. Na hora de responder, testa as 4 opções e escolhe a de maior score.
22
 
23
+ ## Arquivos
24
+
25
+ | Arquivo | Para que serve |
26
+ |---|---|
27
+ | `dados.csv` | dataset de perguntas e opções (51 perguntas) |
28
+ | `train.py` | treina e salva `modelo_abcd.joblib` |
29
+ | `predict.py` | exemplo rápido de predição |
30
+ | `interactive.py` | menu interativo: adicionar perguntas, treinar e testar |
31
+ | `requirements.txt` | dependências |
32
+
33
  ## Uso
34
 
35
  ```bash
36
+ pip install -r requirements.txt
37
+ python train.py # gera modelo_abcd.joblib
38
+ python predict.py # exemplo de resposta
39
+ python interactive.py # menu: adicionar pergunta, treinar, testar
40
  ```
41
 
42
  ```python
 
58
  print(letra) # B
59
  ```
60
 
61
+ ## Como adicionar perguntas
62
+
63
+ Use o menu interativo (`python interactive.py`) ou edite `dados.csv` direto no
64
+ formato `pergunta,opcao_a,opcao_b,opcao_c,opcao_d,correta`. Depois retreine.
65
+
66
  ## Dados
67
 
68
+ `dados.csv` com **51 perguntas** de exemplo (204 amostras de treino no formato
69
+ pergunta+opção). Para melhorar a qualidade, adicione mais linhas — 200 a 500
70
+ perguntas já dão um salto grande.
71
 
72
  ## Limitações
73
 
dados.csv CHANGED
@@ -14,3 +14,39 @@ Qual a unidade de corrente elétrica?,Volt,Watt,Ampère,Ohm,C
14
  Qual é um banco de dados relacional?,MongoDB,PostgreSQL,Redis,Cassandra,B
15
  H2O é a fórmula de qual substância?,Sal,Água,Açúcar,Ácido,B
16
  Quantos minutos tem uma hora?,30,45,60,90,C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
14
  Qual é um banco de dados relacional?,MongoDB,PostgreSQL,Redis,Cassandra,B
15
  H2O é a fórmula de qual substância?,Sal,Água,Açúcar,Ácido,B
16
  Quantos minutos tem uma hora?,30,45,60,90,C
17
+ Qual é a capital da França?,Londres,Paris,Roma,Madri,B
18
+ Qual é a capital da Argentina?,Santiago,Buenos Aires,Lima,Montevidéu,B
19
+ Qual é a capital do Japão?,Seul,Pequim,Tóquio,Bangkok,C
20
+ Qual é a capital de Portugal?,Lisboa,Porto,Madri,Roma,A
21
+ Qual é o rio mais extenso do mundo?,Nilo,Amazonas,Mississippi,Yangtzé,B
22
+ Quantos continentes existem?,5,6,7,8,C
23
+ Qual é o oceano mais profundo?,Atlântico,Índico,Pacífico,Ártico,C
24
+ Qual é o maior país da América do Sul?,Argentina,Brasil,Peru,Colômbia,B
25
+ Quanto é 7 x 8?,54,56,63,48,B
26
+ Quanto é 15 - 9?,5,6,7,8,B
27
+ Quanto é 3 ao quadrado?,6,9,12,3,B
28
+ Qual é a raiz quadrada de 81?,7,8,9,10,C
29
+ Quanto é 100 / 4?,20,25,30,40,B
30
+ Qual é o resultado de 5! (fatorial)?,25,60,120,100,C
31
+ Quem escreveu Romeu e Julieta?,Charles Dickens,William Shakespeare,Camoes,Dante,A
32
+ Quem escreveu A Odisséia?,Virgílio,Homero,Platão,Sófocles,B
33
+ Quem pintou a Mona Lisa?,Michelangelo,Van Gogh,Leonardo da Vinci,Picasso,C
34
+ Qual é o elemento químico do símbolo O?,Ouro,Oxigênio,Ósmio,Ósmio,B
35
+ Qual é o símbolo químico do ferro?,Fe,Fr,F,O,C
36
+ Qual é o gás que as plantas absorvem?,Oxigênio,Nitrogênio,Gás carbônico,Hidrogênio,C
37
+ Qual é o planeta conhecido como planeta vermelho?,Vênus,Marte,Júpiter,Saturno,B
38
+ Qual é o único satélite natural da Terra?,Marte,Lua,Sol,Vênus,B
39
+ Quantos estados tem o Brasil?,25,26,27,28,C
40
+ Qual é a língua oficial do Brasil?,Espanhol,Português,Inglês,Italiano,B
41
+ Em que ano o Brasil foi descoberto?,1500,1492,1600,1450,A
42
+ Quem proclamou a independência do Brasil?,Dom Pedro I,Dom Pedro II,Tiradentes,Getúlio Vargas,A
43
+ Qual é a moeda do Brasil?,Real,Dólar,Euro,Peso,A
44
+ Qual é a moeda dos Estados Unidos?,Real,Euro,Dólar,Libra,C
45
+ Qual é o maior animal do mundo?,Elefante,Baleia azul,Girafa,Tubarão,B
46
+ Qual animal é conhecido como o rei da selva?,Tigre,Leão,Elefante,Lobo,B
47
+ Quantas patas tem uma aranha?,6,8,10,4,B
48
+ Qual é a capital da Itália?,Milão,Roma,Veneza,Nápoles,B
49
+ Qual é a capital da Alemanha?,Munique,Berlim,Hamburgo,Frankfurt,B
50
+ Qual é a capital da Espanha?,Barcelona,Madri,Sevilha,Valência,B
51
+ Qual é a capital do Canadá?,Toronto,Ottawa,Vancouver,Montreal,B
52
+ Qual é o maior deserto do mundo?,Saara,Gobi,Antártica,Atacama,C
interactive.py ADDED
@@ -0,0 +1,204 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ #!/usr/bin/env python3
2
+ """
3
+ Interface interativa para adicionar perguntas, treinar e testar o modelo decision-lord.
4
+ Uso: python interactive.py
5
+ """
6
+
7
+ import csv
8
+ import os
9
+ import sys
10
+ import joblib
11
+ from collections import OrderedDict
12
+
13
+ CSV_PATH = "dados.csv"
14
+ MODEL_PATH = "modelo_abcd.joblib"
15
+
16
+
17
+ def carregar_perguntas():
18
+ """Lê o CSV e retorna lista de dicts."""
19
+ perguntas = []
20
+ if not os.path.exists(CSV_PATH):
21
+ return perguntas
22
+ with open(CSV_PATH, newline="", encoding="utf-8") as f:
23
+ leitor = csv.DictReader(f)
24
+ for linha in leitor:
25
+ perguntas.append({
26
+ "pergunta": linha["pergunta"],
27
+ "opcoes": {
28
+ "A": linha["opcao_a"],
29
+ "B": linha["opcao_b"],
30
+ "C": linha["opcao_c"],
31
+ "D": linha["opcao_d"],
32
+ },
33
+ "correta": linha["correta"],
34
+ })
35
+ return perguntas
36
+
37
+
38
+ def salvar_perguntas(perguntas):
39
+ """Salva a lista de perguntas no CSV."""
40
+ with open(CSV_PATH, "w", newline="", encoding="utf-8") as f:
41
+ escritor = csv.DictWriter(
42
+ f,
43
+ fieldnames=["pergunta", "opcao_a", "opcao_b", "opcao_c", "opcao_d", "correta"],
44
+ )
45
+ escritor.writeheader()
46
+ for p in perguntas:
47
+ escritor.writerow({
48
+ "pergunta": p["pergunta"],
49
+ "opcao_a": p["opcoes"]["A"],
50
+ "opcao_b": p["opcoes"]["B"],
51
+ "opcao_c": p["opcoes"]["C"],
52
+ "opcao_d": p["opcoes"]["D"],
53
+ "correta": p["correta"],
54
+ })
55
+
56
+
57
+ def adicionar_pergunta():
58
+ """Coleta nova pergunta do usuário."""
59
+ print("\n" + "=" * 50)
60
+ print("NOVA PERGUNTA")
61
+ print("=" * 50)
62
+ pergunta = input("Pergunta: ").strip()
63
+ if not pergunta:
64
+ return None
65
+
66
+ opcoes = {}
67
+ for letra in "ABCD":
68
+ while True:
69
+ opcao = input(f" Opção {letra}: ").strip()
70
+ if opcao:
71
+ opcoes[letra] = opcao
72
+ break
73
+ print(" Opção não pode estar vazia.")
74
+
75
+ while True:
76
+ correta = input("Qual é a correta? (A/B/C/D): ").strip().upper()
77
+ if correta in "ABCD":
78
+ break
79
+ print(" Digite apenas A, B, C ou D.")
80
+
81
+ return {"pergunta": pergunta, "opcoes": opcoes, "correta": correta}
82
+
83
+
84
+ def treinar():
85
+ """Re-treina o modelo com todos os dados atuais."""
86
+ import pandas as pd
87
+ from sklearn.feature_extraction.text import TfidfVectorizer
88
+ from sklearn.linear_model import LogisticRegression
89
+ from sklearn.pipeline import Pipeline
90
+
91
+ perguntas = carregar_perguntas()
92
+ if len(perguntas) < 5:
93
+ print(f"\n⚠️ Apenas {len(perguntas)} perguntas. Adicione pelo menos 5 pra treinar.")
94
+ return False
95
+
96
+ rows = []
97
+ for p in perguntas:
98
+ for letra in "ABCD":
99
+ texto = f"pergunta: {p['pergunta']} | opcao: {p['opcoes'][letra]}"
100
+ rows.append({"texto": texto, "label": 1 if p["correta"] == letra else 0})
101
+
102
+ treino = pd.DataFrame(rows)
103
+
104
+ modelo = Pipeline([
105
+ ("tfidf", TfidfVectorizer(ngram_range=(1, 2), min_df=1)),
106
+ ("clf", LogisticRegression(max_iter=2000, class_weight="balanced")),
107
+ ])
108
+ modelo.fit(treino["texto"], treino["label"])
109
+ joblib.dump(modelo, MODEL_PATH)
110
+
111
+ print(f"\n✅ Modelo treinado com {len(perguntas)} perguntas ({len(treino)} amostras).")
112
+ return True
113
+
114
+
115
+ def testar():
116
+ """Testa o modelo com uma pergunta manual."""
117
+ if not os.path.exists(MODEL_PATH):
118
+ print("\n⚠️ Modelo não treinado ainda. Treine primeiro.")
119
+ return
120
+
121
+ modelo = joblib.load(MODEL_PATH)
122
+ perguntas = carregar_perguntas()
123
+
124
+ print("\n" + "=" * 50)
125
+ print("TESTE RÁPIDO")
126
+ print("=" * 50)
127
+ pergunta = input("Pergunta: ").strip()
128
+ if not pergunta:
129
+ return
130
+
131
+ opcoes = {}
132
+ for letra in "ABCD":
133
+ while True:
134
+ opcao = input(f" Opção {letra}: ").strip()
135
+ if opcao:
136
+ opcoes[letra] = opcao
137
+ break
138
+
139
+ scores = {}
140
+ for letra, texto in opcoes.items():
141
+ entrada = f"pergunta: {pergunta} | opcao: {texto}"
142
+ scores[letra] = modelo.predict_proba([entrada])[0][1]
143
+
144
+ melhor = max(scores, key=scores.get)
145
+ print("\n📊 Scores:")
146
+ for k in "ABCD":
147
+ barra = "█" * int(scores[k] * 40)
148
+ print(f" {k}: {scores[k]:.4f} {barra}")
149
+ print(f"\n✅ Resposta prevista: {melhor}")
150
+
151
+ # Mostra se acertou (se a pergunta estiver no dataset)
152
+ for p in perguntas:
153
+ if p["pergunta"].lower() == pergunta.lower():
154
+ if p["correta"] == melhor:
155
+ print("🎉 Acertei a correta!")
156
+ else:
157
+ print(f"❌ Correta seria {p['correta']}.")
158
+ break
159
+
160
+
161
+ def menu():
162
+ while True:
163
+ print("\n" + "=" * 50)
164
+ print(" DECISION-LORD · INTERACTIVE")
165
+ print("=" * 50)
166
+ print("1. Adicionar nova pergunta")
167
+ print("2. Treinar modelo com os dados atuais")
168
+ print("3. Testar modelo")
169
+ print("4. Ver perguntas salvas")
170
+ print("5. Sair")
171
+ print("=" * 50)
172
+
173
+ opcao = input("Escolha: ").strip()
174
+
175
+ if opcao == "1":
176
+ p = adicionar_pergunta()
177
+ if p:
178
+ perguntas = carregar_perguntas()
179
+ perguntas.append(p)
180
+ salvar_perguntas(perguntas)
181
+ print(f"\n✅ Pergunta salva! ({len(perguntas)} no total)")
182
+
183
+ elif opcao == "2":
184
+ treinar()
185
+
186
+ elif opcao == "3":
187
+ testar()
188
+
189
+ elif opcao == "4":
190
+ perguntas = carregar_perguntas()
191
+ print(f"\n📚 {len(perguntas)} perguntas salvas:")
192
+ for i, p in enumerate(perguntas, 1):
193
+ print(f" {i}. {p['pergunta'][:60]}... → {p['correta']}")
194
+
195
+ elif opcao == "5":
196
+ print("Até logo! 👋")
197
+ sys.exit(0)
198
+
199
+ else:
200
+ print("Opção inválida.")
201
+
202
+
203
+ if __name__ == "__main__":
204
+ menu()
modelo_abcd.joblib CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:c2bc82a590b8c2ffe5be2cf1f0d8d845392ac6031b31b98d86d7f50b8f204d9b
3
- size 8548
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:228b3e051bf35be0ff5c6fb5236762302b8ffb3bc0f4e0e11754a2381f130b0f
3
+ size 21316