Update app.py

app.py

@@ -269,7 +269,7 @@ if df_original is not None:
             # 2. Pré-processar
             X, y = preprocess_data(df_sample)
             
-            # **NOVO**: Captura os nomes das features APÓS o get_dummies
+            # Captura os nomes das features APÓS o get_dummies
             feature_names = X.columns.tolist()
 
             # 3. Dividir (Train/Test)
@@ -277,9 +277,7 @@ if df_original is not None:
                 X, y, test_size=test_split_pct, random_state=42, stratify=y
             )
 
-            # 4. Escalonar (MUITO importante para KNN e SVM)
-            # Nota: RL com 'liblinear' não precisa de escalonamento,
-            # mas vamos manter para consistência e performance.
+            # 4. Escalonar
             scaler = StandardScaler()
             X_train_scaled = scaler.fit_transform(X_train)
             X_test_scaled = scaler.transform(X_test)
@@ -338,12 +336,10 @@ if df_original is not None:
             st.subheader("Relatório de Classificação Detalhado")
             st.dataframe(report_df.style.format("{:.3f}"))
             
-            # --- [NOVA SEÇÃO ADICIONADA] ---
             # Interpretação específica da Regressão Logística
             if algorithm == "Regressão Logística":
                 st.subheader("Análise de Coeficientes (Interpretabilidade)")
                 
-                # Captura coeficientes e odds ratios
                 coefs = model.coef_[0]
                 odds_ratios = np.exp(coefs)
                 
@@ -353,14 +349,16 @@ if df_original is not None:
                     'Odds Ratio (Razão de Chances)': odds_ratios
                 })
                 
-                df_coef = df_coef.sort_values(by="Odds Ratio", ascending=False)
+                # ***** [LINHA CORRIGIDA] *****
+                # O nome da coluna no 'by=' agora bate com o nome da coluna no DataFrame
+                df_coef = df_coef.sort_values(by="Odds Ratio (Razão de Chances)", ascending=False)
                 
                 st.dataframe(df_coef.style.format({
                     'Coeficiente (Log-Odds)': '{:.4f}',
                     'Odds Ratio (Razão de Chances)': '{:.3f}'
                 }).background_gradient(
                     cmap='RdBu_r', 
-                    subset=['Odds Ratio', 'Coeficiente (Log-Odds)'])
+                    subset=['Odds Ratio (Razão de Chances)', 'Coeficiente (Log-Odds)'])
                 )
                 
                 st.markdown("""
@@ -371,8 +369,6 @@ if df_original is not None:
                     * *Exemplo: Se `deposit_type_Non Refund` tem Odds Ratio de 0.20, ter um depósito não-reembolsável reduz a chance de cancelar em 80%.*
                 * **Odds Ratio = 1:** Não tem efeito.
                 """)
-            # --- [FIM DA NOVA SEÇÃO] ---
-
 
             # --- Interpretação Gerencial Automática ---
             st.header("💡 Interpretação Gerencial e Recomendações")