Update app.py

app.py

@@ -1,7 +1,6 @@
 import gradio as gr
 import joblib
 import numpy as np
-import pandas as pd
 
 # Carregar o modelo treinado, encoder e objetos de binning da raiz do projeto
 model = joblib.load("tiebreak_model_v1b.pkl")
@@ -26,11 +25,11 @@ 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(np.array([mean_log_odds]).reshape(-1, 1), metric="bins")[0]
-    sum_prob_bin = binning_sum_prob.transform(np.array([sum_prob]).reshape(-1, 1), metric="bins")[0]
+    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]
     
-    # Codificar as variáveis binadas
-    encoded_features = encoder.transform([[mean_log_odds_bin, sum_prob_bin]])
+    # 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]]))
 
     # Criar o vetor de features para o modelo
     features = np.array([[encoded_features[0][0], encoded_features[0][1], odds_ratio]])
@@ -56,4 +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()
+             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)