vic35get/nhtsa_complaints_classifier

🚗 Modelo de Classificação de Reclamações de Veículos do NHTSA

Este modelo foi treinado para classificar reclamações de veículos registradas no banco de dados da NHTSA (National Highway Traffic Safety Administration) entre 2014 e 2024. Ele classifica textos em cinco categorias de componentes veiculares:

• ELECTRICAL SYSTEM
• AIR BAGS
• STRUCTURE
• SERVICE BRAKES
• OTHER (outras reclamações não categorizadas)

📂 Dados e Pré-processamento

Os dados foram extraídos da API oficial da NHTSA e passaram por um pipeline de processamento de linguagem natural (NLP), incluindo:

• Limpeza e normalização: remoção de caracteres especiais, conversão para caixa baixa e remoção de duplicatas/nulos.
• Balanceamento das classes: ajuste da distribuição de categorias para evitar viés no treinamento.
• Tokenização: uso do tokenizer do bert-base-uncased para transformar o texto em tensores compatíveis com o modelo.

📊 Divisão dos Dados:

Conjunto	Amostras
Treinamento	8.357
Validação	2.090
Teste	2.090

⚙️ Hiperparâmetros do Treinamento

Parâmetro	Valor
Modelo base	bert-base-uncased
Batch size	4
Taxa de aprendizado	1e-5
Épocas	30 (com early stopping de 3 épocas sem melhora)
Otimizador	AdamW

📊 Desempenho do Modelo

🔍 Conjunto de Validação

Métrica	Valor
Acurácia	86.40%
F1-Score	85.78%
Precisão	85.96%
Recall	86.40%

🔍 Conjunto de Teste

Métrica	Valor
Acurácia	69.94%
F1-Score	75.69%
Precisão	87.96%
Recall	69.94%

A diferença de desempenho entre os conjuntos de validação e teste pode ser explicada pelo desbalanceamento e pela natureza ampla da classe OTHER, que agrupa diferentes tipos de reclamações.

🚀 Como Usar

Para carregar e utilizar o modelo:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Carregar modelo e tokenizer
model_name = "vic35get/nhtsa_complaints_classifier"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Função de inferência
def predict(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512)
    with torch.no_grad():
        outputs = model(**inputs)
    return torch.argmax(outputs.logits, dim=1).item()

# Exemplo de uso
text = "The airbag did not deploy during the accident."
print(predict(text))