Update app.py

app.py

@@ -2,8 +2,8 @@ import gradio as gr
 import joblib
 import numpy as np
 
-# Carregar o modelo e o modelo de calibração serializados
-model, calibration_model = joblib.load("tiebreak_calibrated_model.pkl")
+# Carregar o novo modelo serializado
+model = joblib.load("tiebreak_model_v1.pkl")
 
 # Função para realizar a previsão
 def predict_tiebreak(odds1_input, odds2_input):
@@ -16,31 +16,25 @@ def predict_tiebreak(odds1_input, odds2_input):
     odds2 = float(odds2_input)
     
     # Identificar a menor e maior odd (não precisamos assumir qual é qual)
-    win_odds = min(odds1, odds2)
-    loser_odds = max(odds1, odds2)
+    odds_min = min(odds1, odds2)
+    odds_max = max(odds1, odds2)
     
-    # Calculando as features
-    odds_ratio = win_odds / loser_odds
-    log_odds_w = np.log(win_odds)
-    log_odds_l = np.log(loser_odds)
-    prob_w = 1 / win_odds
-    prob_l = 1 / loser_odds
-    odds_spread = abs(loser_odds - win_odds)
+    # Calculando as features com base nas novas métricas
+    odds_ratio = odds_min / odds_max
+    diff_log_odds = np.log(odds_max) - np.log(odds_min)
+    sum_prob = (1 / odds_min) + (1 / odds_max)
 
     # Criando o vetor de features para o modelo
-    features = np.array([[odds_ratio, log_odds_w, log_odds_l, prob_w, prob_l, odds_spread]])
+    features = np.array([[odds_ratio, diff_log_odds, sum_prob]])
 
-    # Realizando a previsão com o modelo original
+    # Realizando a previsão com o novo modelo
     raw_prob = model.predict_proba(features)[0, 1]  # Probabilidade da classe 1 (menos de 1.5 tiebreaks)
-
-    # Calibrando a probabilidade com o modelo de calibração
-    calibrated_prob = calibration_model.predict_proba([[raw_prob]])[0, 1]
     
     # Calculando a odds mínima
-    odds_minima = 1 / calibrated_prob
+    odds_minima = 1 / raw_prob
     
     # Formatando a probabilidade para percentual com duas casas decimais
-    prob_percent = f"{round(calibrated_prob * 100, 2)}%"
+    prob_percent = f"{round(raw_prob * 100, 2)}%"
     
     # Retornando os valores
     return prob_percent, round(odds_minima, 2)