fetuber4095 commited on
Commit
fc618f2
·
verified ·
1 Parent(s): e52f8ee

Upload folder using huggingface_hub

Browse files
Files changed (6) hide show
  1. README.md +64 -0
  2. dados.csv +16 -0
  3. modelo_abcd.joblib +3 -0
  4. predict.py +21 -0
  5. requirements.txt +3 -0
  6. train.py +31 -0
README.md ADDED
@@ -0,0 +1,64 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ language: pt
3
+ license: apache-2.0
4
+ library_name: scikit-learn
5
+ tags: [text-classification, multiple-choice, portuguese, scikit-learn]
6
+ ---
7
+
8
+ # decision-lord
9
+
10
+ Classificador leve de **múltipla escolha (A/B/C/D)** em português, treinado com
11
+ TF-IDF + regressão logística. Funciona transformando cada pergunta + opção numa
12
+ entrada de texto e escolhendo a opção com maior probabilidade.
13
+
14
+ Roda em CPU, sem GPU, usando pouquíssima RAM.
15
+
16
+ ## Como funciona
17
+
18
+ 1. Para cada pergunta, cada opção vira uma linha no formato:
19
+ `pergunta: <pergunta> | opcao: <opção>`, com rótulo 1 (correta) ou 0.
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
32
+ import joblib
33
+
34
+ modelo = joblib.load("modelo_abcd.joblib")
35
+
36
+ def responder(pergunta, opcoes):
37
+ scores = {}
38
+ for letra, texto in opcoes.items():
39
+ entrada = f"pergunta: {pergunta} | opcao: {texto}"
40
+ scores[letra] = modelo.predict_proba([entrada])[0][1]
41
+ return max(scores, key=scores.get), scores
42
+
43
+ letra, scores = responder(
44
+ "Qual é a capital da França?",
45
+ {"A": "Londres", "B": "Paris", "C": "Roma", "D": "Madri"},
46
+ )
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
+
57
+ - Modelo baseado em padrões de texto (TF-IDF), não em compreensão semântica
58
+ profunda. Generaliza pouco além do estilo das perguntas de treino.
59
+ - Não é um LLM: para perguntas abertas ou raciocínio complexo, use um modelo
60
+ maior (ex.: BERTimbau) com fine-tuning em GPU.
61
+
62
+ ## Licença
63
+
64
+ Apache-2.0.
dados.csv ADDED
@@ -0,0 +1,16 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ pergunta,opcao_a,opcao_b,opcao_c,opcao_d,correta
2
+ Qual é a capital do Brasil?,Rio de Janeiro,Brasília,São Paulo,Salvador,B
3
+ Quanto é 2 + 2?,3,4,5,6,B
4
+ Qual a cor do céu num dia claro?,Verde,Azul,Vermelho,Amarelo,B
5
+ Quem escreveu Dom Casmurro?,Machado de Assis,José de Alencar,Clarice Lispector,Jorge Amado,A
6
+ Qual é o maior planeta do sistema solar?,Terra,Marte,Júpiter,Vênus,C
7
+ Quantos lados tem um triângulo?,2,3,4,5,B
8
+ Qual linguagem estiliza páginas web?,Python,CSS,SQL,C,B
9
+ Qual planeta é o mais próximo do Sol?,Vênus,Mercúrio,Terra,Marte,B
10
+ Qual ferramenta controla versões de código?,Git,Docker,Kafka,Redis,A
11
+ Quanto é 10 / 2?,2,5,10,20,B
12
+ Quem escreveu O Cortiço?,Aluísio Azevedo,Machado de Assis,Lima Barreto,Raul Pompeia,A
13
+ 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
modelo_abcd.joblib ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c2bc82a590b8c2ffe5be2cf1f0d8d845392ac6031b31b98d86d7f50b8f204d9b
3
+ size 8548
predict.py ADDED
@@ -0,0 +1,21 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ import joblib
2
+
3
+ modelo = joblib.load("modelo_abcd.joblib")
4
+
5
+
6
+ def responder(pergunta, opcoes):
7
+ scores = {}
8
+ for letra, texto in opcoes.items():
9
+ entrada = f"pergunta: {pergunta} | opcao: {texto}"
10
+ scores[letra] = modelo.predict_proba([entrada])[0][1]
11
+ melhor = max(scores, key=scores.get)
12
+ return melhor, scores
13
+
14
+
15
+ if __name__ == "__main__":
16
+ pergunta = "Qual é a capital da França?"
17
+ opcoes = {"A": "Londres", "B": "Paris", "C": "Roma", "D": "Madri"}
18
+ letra, scores = responder(pergunta, opcoes)
19
+ print("Resposta:", letra)
20
+ for k, v in sorted(scores.items()):
21
+ print(f" {k}: {v:.3f}")
requirements.txt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ scikit-learn
2
+ pandas
3
+ joblib
train.py ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ import pandas as pd
2
+ import joblib
3
+ from sklearn.feature_extraction.text import TfidfVectorizer
4
+ from sklearn.linear_model import LogisticRegression
5
+ from sklearn.pipeline import Pipeline
6
+
7
+
8
+ def main():
9
+ df = pd.read_csv("dados.csv")
10
+
11
+ # uma linha de treino por opção: 1 se for a correta, 0 se não
12
+ rows = []
13
+ for _, r in df.iterrows():
14
+ for letra in "ABCD":
15
+ texto = f"pergunta: {r['pergunta']} | opcao: {r['opcao_' + letra.lower()]}"
16
+ rows.append({"texto": texto, "label": 1 if r["correta"] == letra else 0})
17
+
18
+ treino = pd.DataFrame(rows)
19
+
20
+ modelo = Pipeline([
21
+ ("tfidf", TfidfVectorizer(ngram_range=(1, 2), min_df=1)),
22
+ ("clf", LogisticRegression(max_iter=1000, class_weight="balanced")),
23
+ ])
24
+ modelo.fit(treino["texto"], treino["label"])
25
+
26
+ joblib.dump(modelo, "modelo_abcd.joblib")
27
+ print(f"Treinado com {len(df)} perguntas ({len(treino)} amostras).")
28
+
29
+
30
+ if __name__ == "__main__":
31
+ main()