Update app.py

app.py

@@ -26,19 +26,21 @@ def predict_tiebreak(df):
 
     # Aplicar o OptimalBinning e transformar os dados
     bin_columns = ['Mean_Log_Odds', 'Sum_Prob']
+    bin_transformed_columns = [f"{col}_bin" for col in bin_columns]
+    
     for column in bin_columns:
         optb = joblib.load(f'{column}_binning_tiebreak_model_v1b.pkl')
         df[f"{column}_bin"] = optb.transform(df[column], metric="bins")
     
-    # Aplicar o encoder nas variáveis binadas
-    df[bin_columns] = encoder.transform(df[[f"{col}_bin" for col in bin_columns]])
+    # Aplicar o encoder nas variáveis binadas, na ordem correta
+    df[bin_transformed_columns] = encoder.transform(df[bin_transformed_columns])
 
     # Selecionar as features para predição
     features = df[['Mean_Log_Odds_bin', 'Sum_Prob_bin', 'Ratio_Log_Odds']]
     df['Probability'] = model.predict_proba(features)[:, 1]
 
     # Usar o threshold definido
-    best_threshold = 0.9400000000000005
+    best_threshold = 0.9420000000000005
     df['entrada'] = df['Probability'] >= best_threshold
     df = df[df['entrada'] == True]
     
@@ -66,4 +68,4 @@ gr.Interface(
     outputs=outputs, 
     title="Previsão de Tiebreaks",
     description="Faça o upload de um arquivo Excel contendo dados no formato final_df para prever a probabilidade de menos de 1.5 tiebreaks e verificar se deve entrar na aposta."
-).launch()
+).launch()