Update model_utils.py

model_utils.py

@@ -247,6 +247,9 @@ class ChurnModelPipeline:
 
         # --- 1. Simulação Rápida (Última Previsão Interativa ou Exemplo) ---
         sample_customer_df = None
+        logit_sample = 0.0 # Inicializar com valores padrão
+        prob_sample = 0.0
+
         if last_interactive_input_df is not None and not last_interactive_input_df.empty:
             sample_customer_df = last_interactive_input_df
         elif self.X_test is not None and not self.X_test.empty:
@@ -375,32 +378,39 @@ class ChurnModelPipeline:
             latex_story.append(NoEscape(r'\textbf{Características do Cliente "Simulado":}\n'))
             latex_story.append(NoEscape(sample_display_df.to_latex(index=False, caption='Características do Cliente Simulado', label='tab:sim_customer_example', longtable=False)))
 
+            # Pré-formatar os valores antes de inseri-los nas f-strings LaTeX
+            logit_sample_formatted = f"{logit_sample:.4f}"
+            prob_sample_formatted = f"{prob_sample:.4f}"
+            prob_sample_percent_formatted = f"{prob_sample:.2%}" # Para exibição em percentual
+            
             markdown_story.append("**Passos do Cálculo para o Cliente 'Simulado':**\n")
-            markdown_story.append(f"1.  **Calcular o Logit (L):** O Logit é a soma ponderada de todas as características do cliente (já processadas pelo pré-processador do modelo) multiplicadas por seus respectivos coeficientes, mais o intercepto do modelo. Para o cliente simulado, o modelo calculou um Logit de:\n`L = {logit_sample:.4f}`\n")
+            markdown_story.append(f"1.  **Calcular o Logit (L):** O Logit é a soma ponderada de todas as características do cliente (já processadas pelo pré-processador do modelo) multiplicadas por seus respectivos coeficientes, mais o intercepto do modelo. Para o cliente simulado, o modelo calculou um Logit de:\n`L = {logit_sample_formatted}`\n")
             
             # LaTeX for Logit calculation
             latex_story.append(NoEscape(r'\textbf{Passos do Cálculo para o Cliente "Simulado":}\n'))
             latex_story.append(NoEscape(r'\begin{enumerate}'))
             latex_story.append(NoEscape(fr'\item \textbf{{Calcular o Logit (L):}} O Logit é a soma ponderada de todas as características do cliente (já processadas pelo pré-processador do modelo) multiplicadas por seus respectivos coeficientes, mais o intercepto do modelo. Para o cliente simulado, o modelo calculou um Logit de:'))
-            latex_story.append(Math(data=[NoEscape(fr'L = {logit_sample:.4f}')]))
+            latex_story.append(Math(data=[NoEscape(fr'L = {logit_sample_formatted}')]))
             
-            markdown_story.append(f"2.  **Calcular a Probabilidade de Churn (P) usando a função Sigmoide:** A probabilidade é obtida aplicando-se a função sigmoide ao valor de `L`:\n`P(Churn) = 1 / (1 + e^(-L))`\n`P(Churn) = 1 / (1 + e^(-({logit_sample:.4f})))`\n`P(Churn) = 1 / (1 + e^{{-{logit_sample:.4f}}})`\n`P(Churn) ≈ {prob_sample:.4f}`\n")
+            markdown_story.append(f"2.  **Calcular a Probabilidade de Churn (P) usando a função Sigmoide:** A probabilidade é obtida aplicando-se a função sigmoide ao valor de `L`:\n`P(Churn) = 1 / (1 + e^(-L))`\n`P(Churn) = 1 / (1 + e^(-({logit_sample_formatted})))`\n`P(Churn) = 1 / (1 + e^{{-{logit_sample_formatted}}})`\n`P(Churn) ≈ {prob_sample_formatted}`\n")
             
             # LaTeX for Probability calculation
             latex_story.append(NoEscape(r'\item \textbf{Calcular a Probabilidade de Churn (P) usando a função Sigmoide:} A probabilidade é obtida aplicando-se a função sigmoide ao valor de $L$:'))
             latex_story.append(Math(data=[NoEscape(r'P(\text{Churn}) = \frac{1}{1 + e^{-L}}')]))
-            latex_story.append(Math(data=[NoEscape(fr'P(\text{Churn}) = \frac{1}{1 + e^{{-({logit_sample:.4f})}}}')]))
-            latex_story.append(Math(data=[NoEscape(fr'P(\text{Churn}) = \frac{1}{1 + e^{{-{logit_sample:.4f}}}}}')]))
-            latex_story.append(Math(data=[NoEscape(fr'P(\text{Churn}) \approx {prob_sample:.4f}')]))
+            # Linha 392 corrigida: usando logit_sample_formatted
+            latex_story.append(Math(data=[NoEscape(fr'P(\text{Churn}) = \frac{{1}}{{1 + e^{{-({logit_sample_formatted})}}}}')]))
+            # Próxima linha também corrigida
+            latex_story.append(Math(data=[NoEscape(fr'P(\text{Churn}) = \frac{{1}}{{1 + e^{{-{logit_sample_formatted}}}}}}')]))
+            latex_story.append(Math(data=[NoEscape(fr'P(\text{Churn}) \approx {prob_sample_formatted}')]))
             latex_story.append(NoEscape(r'\end{enumerate}\n'))
 
             markdown_story.append(f"**Resultado da Simulação para o Cliente 'Simulado':**\n")
-            markdown_story.append(f"A probabilidade de Churn para este cliente específico é de **{prob_sample:.4f}**, ou seja, **{prob_sample:.2%}**.\n")
-            markdown_story.append(f"Este resultado indica que o cliente possui uma probabilidade de churn de {prob_sample:.2%}, guiando a interpretação do risco.\n")
+            markdown_story.append(f"A probabilidade de Churn para este cliente específico é de **{prob_sample_formatted}**, ou seja, **{prob_sample_percent_formatted}**.\n")
+            markdown_story.append(f"Este resultado indica que o cliente possui uma probabilidade de churn de {prob_sample_percent_formatted}, guiando a interpretação do risco.\n")
             
             latex_story.append(NoEscape(r'\textbf{Resultado da Simulação para o Cliente "Simulado":}\n'))
-            latex_story.append(NoEscape(fr'A probabilidade de Churn para este cliente específico é de \textbf{{{prob_sample:.4f}}}, ou seja, \textbf{{{prob_sample:.2f}\%}}. '))
-            latex_story.append(NoEscape(fr'Este resultado indica que o cliente possui uma probabilidade de churn de {prob_sample:.2f}\%, guiando a interpretação do risco.\n\n'))
+            latex_story.append(NoEscape(fr'A probabilidade de Churn para este cliente específico é de \textbf{{{prob_sample_formatted}}}, ou seja, \textbf{{{prob_sample_percent_formatted}}}. '))
+            latex_story.append(NoEscape(fr'Este resultado indica que o cliente possui uma probabilidade de churn de {prob_sample_percent_formatted}, guiando a interpretação do risco.\n\n'))
         else:
             markdown_story.append("Não foi possível gerar o exemplo de simulação numérica, pois nenhum cliente simulado foi fornecido.\n")
             latex_story.append(NoEscape(r'Não foi possível gerar o exemplo de simulação numérica, pois nenhum cliente simulado foi fornecido.\n\n'))