Assessment Question Difficulty Classifier 🧠📊

Описание ✨

Проект для автоматической классификации сложности вопросов тестов/экзаменов с использованием машинного обучения. Модель на основе текста вопроса, времени ответа и процента правильных ответов определяет уровень сложности:

easy

(легкий),

medium

(средний) или

hard

(сложный).

🎯 Цель проекта

Классифицировать вопросы на три уровня сложности: easy, medium, hard.
Сравнить эффективность разных моделей ML:
- Random Forest 🌳
- Support Vector Machine (SVM) ⚡
- Naive Bayes 📦
Визуализировать метрики моделей и важность признаков.
Сохранить метрики и модели для дальнейшего использования.

Зачем это нужно? 🤔

Автоматизация оценки сложности вопросов
Оптимизация создания сбалансированных тестов
Анализ эффективности образовательных материалов
Сокращение времени ручной оценки на 80%

Установка ⚙️

Предварительные требования

Python 3.8+ 🐍
pip (менеджер пакетов)

Настройка окружения

bash
1. Клонируйте репозиторий
git clone <repo-url>
cd question-difficulty-classifier

2. Создайте виртуальное окружение
python -m venv venv

3. Активируйте окружение
    На Windows:
        venv\Scripts\activate
    На macOS/Linux:
        source venv/bin/activate

4. Установите зависимости
pip install -r requirements.txt

Использование 🚀

Быстрый старт

Подготовьте CSV файл с вопросами:

csv
question_text,avg_time_sec,correct_rate,difficulty
"What is 2+2?",15,0.95,easy
"Explain quantum entanglement",120,0.35,hard
"Define photosynthesis",45,0.70,medium

Запустите обучение модели:

bash
python src/main.py

При запуске скрипт:

Проверяет наличие файла questions.csv ✅
Извлекает признаки из текста вопроса 📝
Делит данные на train/test наборы 🔀
Обучает три модели: Random Forest, SVM, Naive Bayes 🤖
Выводит метрики и сохраняет их в reports/metrics.json 📊
Строит графики и сохраняет их в папку images:
- Confusion Matrix
- Class Distribution
- Feature Importance (для Random Forest)
- Сравнение моделей по точности
Все модели сохраняются в папку models/ с уникальными именами:
- RandomForest_model_20251229_153045.pkl
- SVM_model_20251229_153045.pkl
- NaiveBayes_model_20251229_153045.pkl

Пример работы кода

python src/main.py

🖥️ Вывод в консоли

Данные загружены успешно. Размер: (43, 4)
Колонки: ['question_text', 'avg_time_sec', 'correct_rate', 'difficulty']
=== Training RandomForest ===
RandomForest CV Accuracy: 0.98 ± 0.02
RandomForest model saved as RandomForest_model_20240512_153210.pkl

=== Training SVM ===
SVM CV Accuracy: 0.96 ± 0.03
SVM model saved as SVM_model_20240512_153215.pkl

=== Training NaiveBayes ===
NaiveBayes CV Accuracy: 0.89 ± 0.04
NaiveBayes model saved as NaiveBayes_model_20240512_153218.pkl

All metrics saved to metrics.json

Пример результатов

reports/metrics.json:

{
    "RandomForest": {
        "confusion_matrix": [
            [
                2,
                0,
                0
            ],
            [
                0,
                3,
                0
            ],
            [
                1,
                0,
                3
            ]
        ],
        "precision_macro": 0.8888888888888888,
        "recall_macro": 0.9166666666666666,
        "classification_report": "              precision    recall  f1-score   support\n\n           0       0.67      1.00      0.80         2\n           1       1.00      1.00      1.00         3\n           2       1.00      0.75      0.86         4\n\n    accuracy                           0.89         9\n   macro avg       0.89      0.92      0.89         9\nweighted avg       0.93      0.89      0.89         9\n",
        "cv_accuracy_mean": 1.0,
        "cv_accuracy_std": 0.0
    },
    "SVM": {
        "confusion_matrix": [
            [
                2,
                0,
                0
            ],
            [
                0,
                3,
                0
            ],
            [
                0,
                0,
                4
            ]
        ],
        "precision_macro": 1.0,
        "recall_macro": 1.0,
        "classification_report": "              precision    recall  f1-score   support\n\n           0       1.00      1.00      1.00         2\n           1       1.00      1.00      1.00         3\n           2       1.00      1.00      1.00         4\n\n    accuracy                           1.00         9\n   macro avg       1.00      1.00      1.00         9\nweighted avg       1.00      1.00      1.00         9\n",
        "cv_accuracy_mean": 1.0,
        "cv_accuracy_std": 0.0
    },
    "NaiveBayes": {
        "confusion_matrix": [
            [
                2,
                0,
                0
            ],
            [
                0,
                3,
                0
            ],
            [
                1,
                0,
                3
            ]
        ],
        "precision_macro": 0.8888888888888888,
        "recall_macro": 0.9166666666666666,
        "classification_report": "              precision    recall  f1-score   support\n\n           0       0.67      1.00      0.80         2\n           1       1.00      1.00      1.00         3\n           2       1.00      0.75      0.86         4\n\n    accuracy                           0.89         9\n   macro avg       0.89      0.92      0.89         9\nweighted avg       0.93      0.89      0.89         9\n",
        "cv_accuracy_mean": 0.9777777777777779,
        "cv_accuracy_std": 0.04444444444444447
    }
}

models/NaiveBayes_model_20251229_005744.pkl:

Pickled Data
    0: \x80 PROTO      4
    2: \x95 FRAME      1178
   11: \x8c SHORT_BINUNICODE 'sklearn.naive_bayes'
   32: \x94 MEMOIZE    (as 0)
   33: \x8c SHORT_BINUNICODE 'GaussianNB'
   45: \x94 MEMOIZE    (as 1)
   46: \x93 STACK_GLOBAL
   47: \x94 MEMOIZE    (as 2)
   48: )    EMPTY_TUPLE
   49: \x81 NEWOBJ
   50: \x94 MEMOIZE    (as 3)
   51: }    EMPTY_DICT
   52: \x94 MEMOIZE    (as 4)
   53: (    MARK
   54: \x8c     SHORT_BINUNICODE 'priors'
   62: \x94     MEMOIZE    (as 5)
   63: N        NONE
   64: \x8c     SHORT_BINUNICODE 'var_smoothing'
   79: \x94     MEMOIZE    (as 6)
   80: G        BINFLOAT   1e-09
   89: \x8c     SHORT_BINUNICODE 'classes_'
   99: \x94     MEMOIZE    (as 7)
  100: \x8c     SHORT_BINUNICODE 'numpy._core.multiarray'
  124: \x94     MEMOIZE    (as 8)
  125: \x8c     SHORT_BINUNICODE '_reconstruct'
  139: \x94     MEMOIZE    (as 9)
  140: \x93     STACK_GLOBAL
  141: \x94     MEMOIZE    (as 10)
  142: \x8c     SHORT_BINUNICODE 'numpy'
  149: \x94     MEMOIZE    (as 11)
  150: \x8c     SHORT_BINUNICODE 'ndarray'
  159: \x94     MEMOIZE    (as 12)
  160: \x93     STACK_GLOBAL
  161: \x94     MEMOIZE    (as 13)
  162: K        BININT1    0
  164: \x85     TUPLE1
  165: \x94     MEMOIZE    (as 14)
  166: C        SHORT_BINBYTES b'b'
  169: \x94     MEMOIZE    (as 15)
  170: \x87     TUPLE3
  171: \x94     MEMOIZE    (as 16)
  172: R        REDUCE
  173: \x94     MEMOIZE    (as 17)
  174: (        MARK
  175: K            BININT1    1
  177: K            BININT1    3
  179: \x85         TUPLE1
  180: \x94         MEMOIZE    (as 18)
  181: h            BINGET     11
  183: \x8c         SHORT_BINUNICODE 'dtype'
  190: \x94         MEMOIZE    (as 19)
  191: \x93         STACK_GLOBAL
  192: \x94         MEMOIZE    (as 20)
  193: \x8c         SHORT_BINUNICODE 'i8'
  197: \x94         MEMOIZE    (as 21)
  198: \x89         NEWFALSE
  199: \x88         NEWTRUE
  200: \x87         TUPLE3
  201: \x94         MEMOIZE    (as 22)
  202: R            REDUCE
  203: \x94         MEMOIZE    (as 23)
  204: (            MARK
  205: K                BININT1    3
  207: \x8c             SHORT_BINUNICODE '<'
  210: \x94             MEMOIZE    (as 24)
  211: N                NONE
  212: N                NONE
  213: N                NONE
  214: J                BININT     -1
  219: J                BININT     -1
  224: K                BININT1    0
  226: t                TUPLE      (MARK at 204)
  227: \x94         MEMOIZE    (as 25)
  228: b            BUILD
  229: \x89         NEWFALSE
  230: C            SHORT_BINBYTES b'\x00\x00\x00\x00\x00\x00\x00\x00\x01\x00\x00\x00\x00\x00\x00\x00\x02\x00\x00\x00\x00\x00\x00\x00'
  256: \x94         MEMOIZE    (as 26)
  257: t            TUPLE      (MARK at 174)
  258: \x94     MEMOIZE    (as 27)
  259: b        BUILD
  260: \x8c     SHORT_BINUNICODE 'feature_names_in_'
  279: \x94     MEMOIZE    (as 28)
  280: h        BINGET     10
  282: h        BINGET     13
  284: K        BININT1    0
  286: \x85     TUPLE1
  287: \x94     MEMOIZE    (as 29)
  288: h        BINGET     15
  290: \x87     TUPLE3
  291: \x94     MEMOIZE    (as 30)
  292: R        REDUCE
  293: \x94     MEMOIZE    (as 31)
  294: (        MARK
  295: K            BININT1    1
  297: K            BININT1    8
  299: \x85         TUPLE1
  300: \x94         MEMOIZE    (as 32)
  301: h            BINGET     20
  303: \x8c         SHORT_BINUNICODE 'O8'
  307: \x94         MEMOIZE    (as 33)
  308: \x89         NEWFALSE
  309: \x88         NEWTRUE
  310: \x87         TUPLE3
  311: \x94         MEMOIZE    (as 34)
  312: R            REDUCE
  313: \x94         MEMOIZE    (as 35)
  314: (            MARK
  315: K                BININT1    3
  317: \x8c             SHORT_BINUNICODE '|'
  320: \x94             MEMOIZE    (as 36)
  321: N                NONE
  322: N                NONE
  323: N                NONE
  324: J                BININT     -1
  329: J                BININT     -1
  334: K                BININT1    63
  336: t                TUPLE      (MARK at 314)
  337: \x94         MEMOIZE    (as 37)
  338: b            BUILD
  339: \x89         NEWFALSE
  340: ]            EMPTY_LIST
  341: \x94         MEMOIZE    (as 38)
  342: (            MARK
  343: \x8c             SHORT_BINUNICODE 'text_length'
  356: \x94             MEMOIZE    (as 39)
  357: \x8c             SHORT_BINUNICODE 'word_count'
  369: \x94             MEMOIZE    (as 40)
  370: \x8c             SHORT_BINUNICODE 'flesch_kincaid'
  386: \x94             MEMOIZE    (as 41)
  387: \x8c             SHORT_BINUNICODE 'punct_count'
  400: \x94             MEMOIZE    (as 42)
  401: \x8c             SHORT_BINUNICODE 'digit_count'
  414: \x94             MEMOIZE    (as 43)
  415: \x8c             SHORT_BINUNICODE 'upper_count'
  428: \x94             MEMOIZE    (as 44)
  429: \x8c             SHORT_BINUNICODE 'avg_time_sec'
  443: \x94             MEMOIZE    (as 45)
  444: \x8c             SHORT_BINUNICODE 'correct_rate'
  458: \x94             MEMOIZE    (as 46)
  459: e                APPENDS    (MARK at 342)
  460: t            TUPLE      (MARK at 294)
  461: \x94     MEMOIZE    (as 47)
  462: b        BUILD
  463: \x8c     SHORT_BINUNICODE 'n_features_in_'
  479: \x94     MEMOIZE    (as 48)
  480: K        BININT1    8
  482: \x8c     SHORT_BINUNICODE 'epsilon_'
  492: \x94     MEMOIZE    (as 49)
  493: h        BINGET     8
  495: \x8c     SHORT_BINUNICODE 'scalar'
  503: \x94     MEMOIZE    (as 50)
  504: \x93     STACK_GLOBAL
  505: \x94     MEMOIZE    (as 51)
  506: h        BINGET     20
  508: \x8c     SHORT_BINUNICODE 'f8'
  512: \x94     MEMOIZE    (as 52)
  513: \x89     NEWFALSE
  514: \x88     NEWTRUE
  515: \x87     TUPLE3
  516: \x94     MEMOIZE    (as 53)
  517: R        REDUCE
  518: \x94     MEMOIZE    (as 54)
  519: (        MARK
  520: K            BININT1    3
  522: h            BINGET     24
  524: N            NONE
  525: N            NONE
  526: N            NONE
  527: J            BININT     -1
  532: J            BININT     -1
  537: K            BININT1    0
  539: t            TUPLE      (MARK at 519)
  540: \x94     MEMOIZE    (as 55)
  541: b        BUILD
  542: C        SHORT_BINBYTES b'\x06|\xbbMp\xd7\xd2>'
  552: \x94     MEMOIZE    (as 56)
  553: \x86     TUPLE2
  554: \x94     MEMOIZE    (as 57)
  555: R        REDUCE
  556: \x94     MEMOIZE    (as 58)
  557: \x8c     SHORT_BINUNICODE 'theta_'
  565: \x94     MEMOIZE    (as 59)
  566: h        BINGET     10
  568: h        BINGET     13
  570: K        BININT1    0
  572: \x85     TUPLE1
  573: \x94     MEMOIZE    (as 60)
  574: h        BINGET     15
  576: \x87     TUPLE3
  577: \x94     MEMOIZE    (as 61)
  578: R        REDUCE
  579: \x94     MEMOIZE    (as 62)
  580: (        MARK
  581: K            BININT1    1
  583: K            BININT1    3
  585: K            BININT1    8
  587: \x86         TUPLE2
  588: \x94         MEMOIZE    (as 63)
  589: h            BINGET     54
  591: \x89         NEWFALSE
  592: C            SHORT_BINBYTES b"\x00\x00\x00\x00\x000A@\x00\x00\x00\x00\x00\x80\x1b@\xa8\x9ePpk\xbd\x08@\x00\x00\x00\x00\x00\x00\xf0?\x00\x00\x00\x00\x00\x00\xd0?\x00\x00\x00\x00\x00\x00\x02@\x00\x00\x00\x00\x00\x80&@\xeaQ\xb8\x1e\x85\xeb\xec?\x8a\x9d\xd8\x89\x9d\xd8D@;\xb1\x13;\xb1\x13\x17@\xf4\xb4\xe8$\xe8\xdb'@\x00\x00\x00\x00\x00\x00\xf0?\x00\x00\x00\x00\x00\x00\x00\x00\x8a\x9d\xd8\x89\x9d\xd8\xf9?'vb'v\x02e@\xd7\xa3p=\n\xd7\xd3?O\xec\xc4N\xec\xc4A@\xec\xc4N\xec\xc4N\x18@\xcfV\x06\xff\x899\x19@\x00\x00\x00\x00\x00\x00\xf0?\x14;\xb1\x13;\xb1\xb3?O\xec\xc4N\xec\xc4\xfe?O\xec\xc4N\xec\xc4J@\xdc\xc8\x8d\xdc\xc8\x8d\xe4?"
  786: \x94         MEMOIZE    (as 64)
  787: t            TUPLE      (MARK at 580)
  788: \x94     MEMOIZE    (as 65)
  789: b        BUILD
  790: \x8c     SHORT_BINUNICODE 'var_'
  796: \x94     MEMOIZE    (as 66)
  797: h        BINGET     10
  799: h        BINGET     13
  801: K        BININT1    0
  803: \x85     TUPLE1
  804: \x94     MEMOIZE    (as 67)
  805: h        BINGET     15
  807: \x87     TUPLE3
  808: \x94     MEMOIZE    (as 68)
  809: R        REDUCE
  810: \x94     MEMOIZE    (as 69)
  811: (        MARK
  812: K            BININT1    1
  814: K            BININT1    3
  816: K            BININT1    8
  818: \x86         TUPLE2
  819: \x94         MEMOIZE    (as 70)
  820: h            BINGET     54
  822: \x89         NEWFALSE
  823: C            SHORT_BINBYTES b'Np\xd7\x12\x00/[@o\x13\xdc\xb5\x04\xc0\xfd?JL\xc5\xf4\xd7\xe5"@\x06|\xbbMp\xd7\xd2>\xbbMp\xd7\x12\x00\xdc?o\x13\xdc\xb5\x04\x00\xfb?n\x82\xbb\x96\x00\xe0&@}UV\x8buqY?\xed\xaf\xbd;\xdd\xbe\\@\xd1Gm\'T\xba\r@/\xdf\xa5\xee4\x10@@\x06|\xbbMp\xd7\xd2>\x06|\xbbMp\xd7\xd2>\x90\xed\xcc\xafh\x8e\xf2?\x11uYy\xfbJ{@\x0e\xdd\xb6\xddq\nr?\xec\xe1\x04%\xd4TT@;\xfe9\xa8e\xc0\xf9?\x0e\xf2~{\xd7\xa0$@\x06|\xbbMp\xd7\xd2>\x17F\xc7\xf9\xbc-\xb2?Eu\x7f\xfb\xa8B\x04@M\t{\x87\xfbJT@\x97^\xc5\xce\xee\xd8\\?'
 1017: \x94         MEMOIZE    (as 71)
 1018: t            TUPLE      (MARK at 811)
 1019: \x94     MEMOIZE    (as 72)
 1020: b        BUILD
 1021: \x8c     SHORT_BINUNICODE 'class_count_'
 1035: \x94     MEMOIZE    (as 73)
 1036: h        BINGET     10
 1038: h        BINGET     13
 1040: K        BININT1    0
 1042: \x85     TUPLE1
 1043: \x94     MEMOIZE    (as 74)
 1044: h        BINGET     15
 1046: \x87     TUPLE3
 1047: \x94     MEMOIZE    (as 75)
 1048: R        REDUCE
 1049: \x94     MEMOIZE    (as 76)
 1050: (        MARK
 1051: K            BININT1    1
 1053: K            BININT1    3
 1055: \x85         TUPLE1
 1056: \x94         MEMOIZE    (as 77)
 1057: h            BINGET     54
 1059: \x89         NEWFALSE
 1060: C            SHORT_BINBYTES b'\x00\x00\x00\x00\x00\x00 @\x00\x00\x00\x00\x00\x00*@\x00\x00\x00\x00\x00\x00*@'
 1086: \x94         MEMOIZE    (as 78)
 1087: t            TUPLE      (MARK at 1050)
 1088: \x94     MEMOIZE    (as 79)
 1089: b        BUILD
 1090: \x8c     SHORT_BINUNICODE 'class_prior_'
 1104: \x94     MEMOIZE    (as 80)
 1105: h        BINGET     10
 1107: h        BINGET     13
 1109: K        BININT1    0
 1111: \x85     TUPLE1
 1112: \x94     MEMOIZE    (as 81)
 1113: h        BINGET     15
 1115: \x87     TUPLE3
 1116: \x94     MEMOIZE    (as 82)
 1117: R        REDUCE
 1118: \x94     MEMOIZE    (as 83)
 1119: (        MARK
 1120: K            BININT1    1
 1122: K            BININT1    3
 1124: \x85         TUPLE1
 1125: \x94         MEMOIZE    (as 84)
 1126: h            BINGET     54
 1128: \x89         NEWFALSE
 1129: C            SHORT_BINBYTES b'\x1e\x1e\x1e\x1e\x1e\x1e\xce?xxxxxx\xd8?xxxxxx\xd8?'
 1155: \x94         MEMOIZE    (as 85)
 1156: t            TUPLE      (MARK at 1119)
 1157: \x94     MEMOIZE    (as 86)
 1158: b        BUILD
 1159: \x8c     SHORT_BINUNICODE '_sklearn_version'
 1177: \x94     MEMOIZE    (as 87)
 1178: \x8c     SHORT_BINUNICODE '1.8.0'
 1185: \x94     MEMOIZE    (as 88)
 1186: u        SETITEMS   (MARK at 53)
 1187: b    BUILD
 1188: .    STOP
highest protocol among opcodes = 4
Load Full Readable Pickle

Структура проекта 📁

final/
├─ .github/
│ └─ workflows/
│ ├─ tests.yml
├─ .gitverse/
│ └─ workflows/
│ └─ gitverse-ci.yaml
├─ data/
│ └─ questions.csv
├─ docs/
│ ├─ ANSWER.md
│ ├─ evaluation-matrix.md
│ ├─ llm-checker-guide.md
│ ├─ project-ideas.md
│ ├─ quick-start.md
│ ├─ rubric-15-points.md
│ └─ student-guide.md
├─ images/
│ ├─ class_distribution_NaiveBayes.png
│ ├─ class_distribution_RandomForest.png
│ ├─ class_distribution_SVM.png
│ ├─ confusion_matrix_NaiveBayes.png
│ ├─ confusion_matrix_RandomForest.png
│ ├─ confusion_matrix_SVM.png
│ ├─ feature_importance.png
│ └─ model_comparison.png
├─ models/
│ ├─ NaiveBayes_model_20251229_005744.pkl
│ ├─ RandomForest_model_20251229_005735.pkl
│ └─ SVM_model_20251229_005740.pkl
├─ reports/
│ └─ metrics.json
├─ src/
│ ├─ init.py
│ └─ main.py
├─ tests/
│ ├─ init.py
│ └─ test_my.py
├─ .gitignore
├─ README-package.md
├─ README.md
└─ requirements.txt

Требования 📦

Python 3.8+ 🐍
NumPy >= 1.21.0 - численные вычисления
Pandas >= 1.3.0 - обработка данных
Scikit-learn >= 1.0.0 - машинное обучение
Matplotlib >= 3.5.0 - визуализация
Seaborn >= 0.11.0 - статистические графики
TextStat >= 0.7.0 - анализ читабельности текста

Возможности модели 🔧

Извлекаемые признаки:

📏 Длина текста вопроса
📝 Количество слов
🎓 Уровень читабельности (Flesch-Kincaid)
🔢 Количество цифр и знаков препинания
⏱️ Среднее время ответа
✅ Процент правильных ответов

Используемые алгоритмы:

🌲 Random Forest - ансамблевый метод
🎯 SVM - метод опорных векторов
🧪 Naive Bayes - вероятностный классификатор

Тестирование 🧪

Запуск тестов

pytest tests/test_my.py

Входные данные 📋

CSV файл должен содержать следующие колонки:

Колонка	Тип	Описание	Пример
`question_text`	string	Текст вопроса	"What is the capital of France?"
`avg_time_sec`	float	Среднее время ответа в секундах	45.2
`correct_rate`	float	Процент правильных ответов (0-1)	0.75
`difficulty`	string	Уровень сложности	"easy"/"medium"/"hard"

Визуализации 📊

Проект автоматически генерирует:

Матрицы ошибок для каждой модели
Распределение классов (фактические vs предсказанные)
Важность признаков для Random Forest
Сравнение моделей по точности

📈 Графики

confusion_matrix_<model>.png — матрица ошибок для каждой модели

Матрица ошибок RandomForest

Матрица ошибок SVM

Матрица ошибок NaiveBayers

class_distribution_<model>.png — распределение фактических и предсказанных классов

Распределение ошибок RandomForest

Распределение ошибок SVM

Распределение ошибок NaiveBayers

feature_importance.png — важность признаков для Random Forest 🌳

важность признаков для Random Forest

model_comparison.png — сравнение моделей по макро-прецизионной точности 📊

сравнение моделей

Будущие улучшения 🚀

Добавление нейросетевых моделей (BERT)
Веб-интерфейс для удобства использования
API для интеграции с LMS системами
Анализ мультиязычных вопросов
Автоматическая генерация отчетов

Автор 💫

Бажеева Алисия Владимировна

студентка 1 курса ИРИТ-РТФ группы РИ-150942/1.

final

Описание

Языки

Алисия Бажеева
update src/main.py
3 месяца назад
46f9c45

Assessment Question Difficulty Classifier 🧠📊

Описание ✨

🎯 Цель проекта

Зачем это нужно? 🤔

Установка ⚙️

Предварительные требования

Настройка окружения

Использование 🚀

Быстрый старт

Пример работы кода

🖥️ Вывод в консоли

Пример результатов

Структура проекта 📁

Требования 📦

Возможности модели 🔧

Извлекаемые признаки:

Используемые алгоритмы:

Тестирование 🧪

Запуск тестов

Входные данные 📋

Визуализации 📊

📈 Графики

Будущие улучшения 🚀

Автор 💫

final

Описание

Языки

Алисия Бажееваupdate src/main.py 3 месяца назад46f9c45

Assessment Question Difficulty Classifier 🧠📊

Описание ✨

🎯 Цель проекта

Зачем это нужно? 🤔

Установка ⚙️

Предварительные требования

Настройка окружения

Использование 🚀

Быстрый старт

Пример работы кода

🖥️ Вывод в консоли

Пример результатов

Структура проекта 📁

Требования 📦

Возможности модели 🔧

Извлекаемые признаки:

Используемые алгоритмы:

Тестирование 🧪

Запуск тестов

Входные данные 📋

Визуализации 📊

📈 Графики

Будущие улучшения 🚀

Автор 💫

Алисия Бажеева
update src/main.py
3 месяца назад
46f9c45