Upload streamlit_app.py

src/streamlit_app.py

@@ -6,32 +6,6 @@ import seaborn as sns
 from sklearn.metrics import classification_report, confusion_matrix, roc_curve, auc, precision_recall_curve, precision_score, recall_score, f1_score
 import json
 
-try:
-    st.sidebar.write("🔄 Пытаюсь загрузить Классическую ML для бинарной классификации...")
-
-    # Проверяем импорт
-    from use_ml import predict_sentiment
-
-    st.sidebar.success("✅ Модуль use_ml импортирован")
-
-    # Пробуем вызвать функцию
-    model_func = predict_sentiment()
-    st.sidebar.success("✅ Функция predict_sentiment() вызвана успешно")
-
-    # Проверяем, что возвращается callable объект
-    if callable(model_func):
-        st.sidebar.success("✅ Функция возвращает callable объект")
-    else:
-        st.sidebar.error(f"❌ Функция вернула не callable: {type(model_func)}")
-
-except ImportError as e:
-    st.sidebar.error(f"❌ Ошибка импорта: {e}")
-except Exception as e:
-    st.sidebar.error(f"❌ Общая ошибка: {e}")
-    import traceback
-
-    st.sidebar.code(traceback.format_exc())
-
 # Импортируем ваши модули
 try:
     from use_ml import predict_sentiment, predict_category, predict_categorys
@@ -66,7 +40,7 @@ def load_models(task_type):
         try:
             models["Классическая ML"] = predict_sentiment()
         except:
-            st.sidebar.write("Для задачи Бинарная классическая ML не загрузилась")
+            pass
         try:
             models["Нейросеть"] = nn_predict_sentiment()
         except: