#!/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()