a-mi-me-gusta-predictor

Modelo de classificação binária para previsão de pedidos problemáticos (risco de cancelamento ou reclamação) no restaurante ¡A mi me gusta!

Desenvolvido como parte do curso CDIA CD2 2026 — Semana 2.

Uso

from huggingface_hub import hf_hub_download
import joblib

model = joblib.load(hf_hub_download("Richsk/a-mi-me-gusta-predictor", "model.pkl"))

# Exemplo: pedido suspeito (alto valor, madrugada, muitos itens)
features = [[350.0, 2, 10, 3, 22.0]]
prediction = model.predict(features)
probability = model.predict_proba(features)[0][1]
print(f"Problemático: {prediction[0]} | Probabilidade: {probability:.2%}")

Features de entrada

A ordem das features deve ser respeitada:

#	Feature	Tipo	Descrição
1	valor_pedido	float	Valor total do pedido em reais
2	hora_pedido	int	Hora do dia em que o pedido foi feito (0–23)
3	num_itens	int	Quantidade de pratos no pedido
4	historico_cancelamentos	int	Número de cancelamentos anteriores do cliente
5	distancia_entrega	float	Distância de entrega em km

Métricas (test set, 20% dos dados, 2000 amostras)

• Precision (problemático): ~0.97
• Recall (problemático): ~0.97
• F1 (problemático): ~0.97

Dependências

scikit-learn
joblib
numpy

Limitações

Modelo treinado com dados sintéticos. As distribuições foram construídas com intuição de negócio (pedidos de madrugada, distância grande, histórico de cancelamentos), mas não refletem dados reais de operação.

Não deve ser usado em produção sem retreinamento com dados reais e validação adequada com métricas de negócio.