Update app.py

app.py

@@ -25,14 +25,14 @@ def predict_tiebreak(odds1_input, odds2_input):
     sum_prob = (1 / odds_min) + (1 / odds_max)
     
     # Aplicar binning nas métricas
-    mean_log_odds_bin = binning_mean_log_odds.transform([[mean_log_odds]], metric="bins")[0]
-    sum_prob_bin = binning_sum_prob.transform([[sum_prob]], metric="bins")[0]
+    mean_log_odds_bin = binning_mean_log_odds.transform(np.array([[mean_log_odds]]), metric="bins")
+    sum_prob_bin = binning_sum_prob.transform(np.array([[sum_prob]]), metric="bins")
     
-    # Codificar as variáveis binadas (note que precisamos passar como um array 2D)
-    encoded_features = encoder.transform(np.array([[mean_log_odds_bin, sum_prob_bin]]))
+    # Codificar as variáveis binadas
+    encoded_features = encoder.transform(np.column_stack((mean_log_odds_bin, sum_prob_bin)))
 
     # Criar o vetor de features para o modelo
-    features = np.array([[encoded_features[0][0], encoded_features[0][1], odds_ratio]])
+    features = np.array([[encoded_features[0], encoded_features[1], odds_ratio]])
 
     # Realizar a previsão com o modelo
     raw_prob = model.predict_proba(features)[0, 1]  # Probabilidade da classe 1 (menos de 1.5 tiebreaks)
@@ -55,4 +55,4 @@ outputs = [gr.Textbox(label="Probabilidade de menos de 1.5 Tiebreaks"), gr.Textb
 
 # Criação da interface
 gr.Interface(fn=predict_tiebreak, inputs=inputs, outputs=outputs, title="Previsão de Tiebreaks",
-             description="Insira as odds para prever a probabilidade de haver menos de 1.5 tiebreaks, calcular as odds mínimas, e decidir se deve entrar na aposta.").launch(share=True)
+             description="Insira as odds para prever a probabilidade de haver menos de 1.5 tiebreaks, calcular as odds mínimas, e decidir se deve entrar na aposta.").launch()