--- language: - pt library_name: scikit-learn pipeline_tag: text-classification tags: - machine-learning - bug-classification - software-quality - tfidf - logistic-regression --- # 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.