Upload folder using huggingface_hub
Browse files- README.md +22 -5
- dados.csv +36 -0
- interactive.py +204 -0
- 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
|
| 27 |
-
python train.py
|
| 28 |
-
python predict.py
|
|
|
|
| 29 |
```
|
| 30 |
|
| 31 |
```python
|
|
@@ -47,10 +58,16 @@ letra, scores = responder(
|
|
| 47 |
print(letra) # B
|
| 48 |
```
|
| 49 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 50 |
## Dados
|
| 51 |
|
| 52 |
-
`dados.csv` com
|
| 53 |
-
|
|
|
|
| 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:
|
| 3 |
-
size
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:228b3e051bf35be0ff5c6fb5236762302b8ffb3bc0f4e0e11754a2381f130b0f
|
| 3 |
+
size 21316
|