README.md

---
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
```python
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
```