giovanacaldas commited on
Commit
24d4fa1
·
verified ·
1 Parent(s): b2e4356

Create README.md

Browse files
Files changed (1) hide show
  1. README.md +68 -0
README.md ADDED
@@ -0,0 +1,68 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ language:
3
+ - pt
4
+ library_name: scikit-learn
5
+ pipeline_tag: text-classification
6
+ tags:
7
+ - machine-learning
8
+ - bug-classification
9
+ - software-quality
10
+ - tfidf
11
+ - logistic-regression
12
+ ---
13
+
14
+ # BugClassifier AI
15
+
16
+ Projeto de Machine Learning desenvolvido para classificar automaticamente descrições de bugs de software em três categorias: Autenticação, Interface e Pagamento.
17
+
18
+ ## Objetivo
19
+
20
+ 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.
21
+
22
+ ## Categorias
23
+
24
+ - **Autenticacao:** problemas relacionados a login, acesso, senha e autenticação.
25
+ - **Interface:** problemas visuais, layout, botões e navegação.
26
+ - **Pagamento:** problemas com cobranças, cartões, Pix, estornos e transações.
27
+
28
+ ## Tecnologias utilizadas
29
+
30
+ - Python
31
+ - Pandas
32
+ - Scikit-learn
33
+ - TF-IDF
34
+ - Logistic Regression
35
+ - Matplotlib
36
+ - Joblib
37
+
38
+ ## Metodologia
39
+
40
+ O projeto utiliza um pipeline de Machine Learning composto por:
41
+
42
+ - TF-IDF para transformação das descrições em representações numéricas.
43
+ - Logistic Regression para classificação dos textos.
44
+ - Divisão dos dados em treinamento (80%) e teste (20%).
45
+ - Avaliação por acurácia, precision, recall, F1-score e matriz de confusão.
46
+
47
+ ## Dataset
48
+
49
+ O conjunto de dados contém 150 descrições sintéticas, distribuídas igualmente entre as três categorias.
50
+
51
+ Os exemplos foram elaborados manualmente para fins de estudo e desenvolvimento do projeto.
52
+
53
+ ## Funcionalidade adicional
54
+
55
+ O classificador utiliza um limite de probabilidade definido em 70% para indicar:
56
+
57
+ - Classificação automática.
58
+ - Necessidade de análise humana.
59
+
60
+ Esse limite é uma regra de encaminhamento definida no projeto, não uma garantia de confiança calibrada.
61
+
62
+ ## Limitações
63
+
64
+ O dataset é pequeno e sintético. Portanto, os resultados são experimentais e não representam necessariamente o desempenho em sistemas reais.
65
+
66
+ ## Autora
67
+
68
+ Projeto desenvolvido como parte dos estudos em Machine Learning e Inteligência Artificial.