BugClassifier AI
Projeto de Machine Learning desenvolvido para classificar automaticamente descrições de bugs de software em três categorias: Autenticação, Interface e Pagamento.
Objetivo
Desenvolver um classificador de texto capaz de identificar a categoria mais provável de um problema relatado por um usuário e indicar quando a previsão deve passar por análise humana.
Categorias
- Autenticacao: problemas relacionados a login, acesso, senha e autenticação.
- Interface: problemas visuais, layout, botões e navegação.
- Pagamento: problemas com cobranças, cartões, Pix, estornos e transações.
Tecnologias utilizadas
- Python
- Pandas
- Scikit-learn
- TF-IDF
- Logistic Regression
- Matplotlib
- Joblib
Metodologia
O projeto utiliza um pipeline de Machine Learning composto por:
- TF-IDF para transformação das descrições em representações numéricas.
- Logistic Regression para classificação dos textos.
- Divisão dos dados em treinamento (80%) e teste (20%).
- Avaliação por acurácia, precision, recall, F1-score e matriz de confusão.
Dataset
O conjunto de dados contém 150 descrições sintéticas, distribuídas igualmente entre as três categorias.
Os exemplos foram elaborados manualmente para fins de estudo e desenvolvimento do projeto.
Funcionalidade adicional
O classificador utiliza um limite de probabilidade definido em 70% para indicar:
- Classificação automática.
- Necessidade de análise humana.
Esse limite é uma regra de encaminhamento definida no projeto, não uma garantia de confiança calibrada.
Limitações
O dataset é pequeno e sintético. Portanto, os resultados são experimentais e não representam necessariamente o desempenho em sistemas reais.
Autora
Projeto desenvolvido como parte dos estudos em Machine Learning e Inteligência Artificial.