Update app.py

app.py

@@ -3,9 +3,12 @@ import joblib
 import pandas as pd
 import numpy as np
 
-# Carregar o modelo treinado
-model_path = 'tiebreak_model_v1.pkl'
+# Carregar o modelo treinado e o encoder
+model_path = 'tiebreak_model_v1b.pkl'
+encoder_path = 'ordinal_encoder_tiebreak_model_v1b.pkl'
+
 model = joblib.load(model_path)
+encoder = joblib.load(encoder_path)
 
 # Função para prever utilizando o modelo
 def predict_tiebreak(df):
@@ -13,18 +16,32 @@ def predict_tiebreak(df):
         odds_min = min(row['Odds 1'], row['Odds 2'])
         odds_max = max(row['Odds 1'], row['Odds 2'])
         odds_ratio = odds_min / odds_max
-        diff_log_odds = np.log(odds_max) - np.log(odds_min)
+        diff_log_odds = np.log(odds_max) / np.log(odds_min)
         sum_prob = (1 / odds_min) + (1 / odds_max)
-        return pd.Series([odds_ratio, diff_log_odds, sum_prob])
+        mean_log_odds = (np.log(odds_max) + np.log(odds_min)) / 2
+        
+        return pd.Series([mean_log_odds, sum_prob, odds_ratio])
+
+    df[['Mean_Log_Odds', 'Sum_Prob', 'Ratio_Log_Odds']] = df.apply(calculate_features, axis=1)
 
-    df[['Odds_Ratio', 'Diff_Log_Odds', 'Sum_Prob']] = df.apply(calculate_features, axis=1)
+    # Aplicar o OptimalBinning e transformar os dados
+    bin_columns = ['Mean_Log_Odds', 'Sum_Prob']
+    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]])
 
-    features = df[['Odds_Ratio', 'Diff_Log_Odds', 'Sum_Prob']]
+    # Selecionar as features para predição
+    features = df[['Mean_Log_Odds_bin', 'Sum_Prob_bin', 'Ratio_Log_Odds']]
     df['Probability'] = model.predict_proba(features)[:, 1]
 
-    best_threshold = 0.9420000000000005
+    # Usar o threshold definido
+    best_threshold = 0.9400000000000005
     df['entrada'] = df['Probability'] >= best_threshold
     df = df[df['entrada'] == True]
+    
     return df
 
 # Função para carregar o arquivo Excel e prever
@@ -49,4 +66,4 @@ 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()