Update app.py

app.py

@@ -21,12 +21,12 @@ try:
     train_texts, test_texts, train_labels, test_labels = train_test_split(
         texts, numerical_labels, test_size=0.2, random_state=42, stratify=numerical_labels
     )
-    print("Datensatz 'banking77' erfolgreich geladen.")  # Ausgabe zur Bestätigung
+    print("Datensatz 'banking77' erfolgreich geladen.")
 except Exception as e:
     print(f"Fehler beim Laden des Datensatzes: {e}")
     label_names = ["Fehler beim Laden"]
     pipeline = None
-    print("Modell wird nicht trainiert, da der Datensatz nicht geladen werden konnte.")  # Ausgabe zur Info
+    print("Modell wird nicht trainiert, da der Datensatz nicht geladen werden konnte.")
 
 # 2. Trainieren des Modells (einmalig beim Start)
 if 'pipeline' not in locals() or pipeline is None:
@@ -36,18 +36,18 @@ if 'pipeline' not in locals() or pipeline is None:
             ('classifier', LogisticRegression(solver='liblinear', multi_class='ovr', random_state=42))
         ])
         pipeline.fit(train_texts, train_labels)
-        print("Modell erfolgreich trainiert.")  # Ausgabe zur Bestätigung
+        print("Modell erfolgreich trainiert.")
     except Exception as e:
         print(f"Fehler beim Trainieren des Modells: {e}")
         pipeline = None
-        print("Modell konnte nicht trainiert werden.") # Ausgabe zur Info
+        print("Modell konnte nicht trainiert werden.")
 
 # 3. Funktion für die Vorhersage
 def predict_intent(text):
     if pipeline is not None and len(label_names) > 0:
         try:
             prediction = pipeline.predict([text])[0]
-            predicted_label = label_names[prediction]
+            predicted_label = label_names[prediction]  # Korrektur: String-Label abrufen
             probabilities = pipeline.predict_proba([text])[0]
             confidences = {label_names[i]: f"{probabilities[i]:.2f}" for i in range(len(label_names))}
             return predicted_label, confidences