import pandas as pd import joblib from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.linear_model import LogisticRegression from sklearn.pipeline import Pipeline def main(): df = pd.read_csv("dados.csv") # uma linha de treino por opção: 1 se for a correta, 0 se não rows = [] for _, r in df.iterrows(): for letra in "ABCD": texto = f"pergunta: {r['pergunta']} | opcao: {r['opcao_' + letra.lower()]}" rows.append({"texto": texto, "label": 1 if r["correta"] == letra else 0}) treino = pd.DataFrame(rows) modelo = Pipeline([ ("tfidf", TfidfVectorizer(ngram_range=(1, 2), min_df=1)), ("clf", LogisticRegression(max_iter=1000, class_weight="balanced")), ]) modelo.fit(treino["texto"], treino["label"]) joblib.dump(modelo, "modelo_abcd.joblib") print(f"Treinado com {len(df)} perguntas ({len(treino)} amostras).") if __name__ == "__main__": main()