Update app.py

app.py

@@ -11,7 +11,7 @@ REPO_ID = "matanzig/flight-price-prediction"
 reg_model = joblib.load(hf_hub_download(repo_id=REPO_ID, filename="flight_price_rf_model.pkl"))
 cls_model = joblib.load(hf_hub_download(repo_id=REPO_ID, filename="flight_price_classifier_rf.pkl"))
 
-# הרשימה המדויקת של העמודות, כולל הכפילויות שהמודל מצפה לקבל!
+
 COLUMNS = [
     'startingAirport', 'destinationAirport', 'isBasicEconomy', 'isRefundable', 
     'isNonStop', 'seatsRemaining', 'totalTravelDistance', 'month', 
@@ -23,7 +23,7 @@ COLUMNS = [
     'cluster_group_3', 'cluster_group_1', 'cluster_group_2', 'cluster_group_3'
 ]
 
-# מילון חברות התעופה
+
 AIRLINE_MAPPING = {
     "Alaska Airlines": 0, "American Airlines": 1, "Boutique Air": 2, "Cape Air": 3,
     "Contour Airlines": 4, "Delta": 5, "Frontier Airlines": 6, "Hawaiian Airlines": 7,
@@ -33,7 +33,7 @@ AIRLINE_MAPPING = {
 
 # --- 2. Prediction Engine ---
 def predict_flight_price(flight_date, distance, duration, days_until, seats, airline_name, seen_price, is_nonstop, is_basic_economy):
-    # --- ולידציה קשוחה לתאריך ---
+  
     try:
         dt = pd.to_datetime(flight_date, format="%Y-%m-%d")
         month_val = dt.month
@@ -42,39 +42,39 @@ def predict_flight_price(flight_date, distance, duration, days_until, seats, air
     except ValueError:
         raise gr.Error("❌ Invalid Date Format! Please use exactly YYYY-MM-DD (e.g., 2026-07-15).")
 
-    # נרמול החודש (לפי ממוצע וסטיית תקן משוערים של נתוני האימון)
+    
     scaled_month = (month_val - 7.0) / 2.0
     
-    # נרמול הימים לטיסה
+   
     scaled_days = (days_until - 30) / 15.0
     scaled_days_sq = scaled_days ** 2
     
-    # המרת חברת התעופה למספר שהמודל מבין
+    
     airline_id = AIRLINE_MAPPING.get(airline_name, 5) 
+
     
-    # בניית 27 העמודות במדויק
     row_data = [
-        4, 5, # שדות תעופה קבועים להדגמה
+        4, 5, 
         int(is_basic_economy), 0, int(is_nonstop), int(seats), float(distance),
         float(scaled_month), float(scaled_days), float(duration), int(airline_id), 1, -0.32,
         day_name == 'Monday', day_name == 'Saturday', day_name == 'Sunday',
         day_name == 'Thursday', day_name == 'Tuesday', day_name == 'Wednesday',
         is_weekend, float(scaled_days_sq),
-        False, False, False, False, False, False # קלאסטרים קבועים להדגמה
+        False, False, False, False, False, False 
     ]
     
-    # יצירת ה-DataFrame
+    
     input_df = pd.DataFrame([row_data], columns=COLUMNS)
     
-    # ביצוע החיזוי
+    
     reg_prediction = reg_model.predict(input_df)[0]
     cls_prediction = cls_model.predict(input_df)[0]
     
-    # תרגום הסיווג העסקי
+    
     tier_mapping = {0: "Budget Expected 🟢", 1: "Standard Expected 🟡", 2: "Premium Expected 🔴"}
     expected_tier = tier_mapping.get(cls_prediction, "Unknown")
     
-    # מנתח עסקאות לעומת המחיר שהמשתמש מצא
+    
     if seen_price > 0:
         diff = seen_price - reg_prediction
         if diff < -25: