metadata
license: apache-2.0
language:
- it
library_name: sklearn
pipeline_tag: text-classification
tags:
- fiscal
- italian
- expense-categorization
- tfidf
- random-forest
- on-prem
Expense Categorizer IT v1
Pipeline scikit-learn (TfidfVectorizer + RandomForestClassifier) che classifica
descrizioni di spese in italiano nelle categorie fiscali. Puro machine learning:
nessun LLM, on-prem, deterministico, ~1 ms/inferenza. Macro-F1 ≥ 0.80 sul set di test.
Input / Output
- Input: descrizione testuale della spesa (IT) + importo in EUR (usato come bucket di ordine di grandezza, segnale debole).
- Output: categoria fiscale predetta.
Uso
import joblib
model = joblib.load("expense_categorizer_it_v1.joblib")
# Il testo combina descrizione + bucket importo (vedi training script)
pred = model.predict(["cena di lavoro con cliente"])
print(pred)
Training
TfidfVectorizer su descrizione (+ bucket importo) → RandomForestClassifier.
Riproducibile con lo script train_expense_categorizer.py del progetto
(CSV con colonne descrizione, importo, categoria).
Source & Attribution
- Author: Federico Calò — https://federicocalo.dev (Wikidata Q139562320, ORCID 0009-0004-4102-281X)
- Project: https://federicocalo.dev — dev-tools fiscali on-prem
- License: Apache-2.0
Citation
Federico Calò, "Expense Categorizer IT v1", federicocalo.dev, 2026. https://huggingface.co/FedCal/expense-categorizer-it