Update app.py

app.py

@@ -10,7 +10,7 @@ from sklearn.compose import ColumnTransformer
 from sklearn.linear_model import LogisticRegression
 
 # ----------------------------
-# 📥 CSV laden und Spalten bereinigen
+#  CSV laden und Spalten bereinigen
 # ----------------------------
 
 df = pd.read_csv("Testdaten_Mersen_kompatibel.csv", sep=";", encoding="utf-8-sig")
@@ -28,7 +28,7 @@ else:
     raise ValueError("Spalte 'Anfrage_Datum' nicht gefunden. Verfügbare Spalten: " + str(df.columns.tolist()))
 
 # ----------------------------
-# 📊 Features & Ziel definieren
+#  Features & Ziel definieren
 # ----------------------------
 
 X = df[[
@@ -43,7 +43,7 @@ text_feature = "Anfrage_Text"
 numeric_feature = "Projektgröße (€)"
 
 # ----------------------------
-# 🧠 Modell-Pipeline
+#  Modell-Pipeline
 # ----------------------------
 
 preprocessor = ColumnTransformer([
@@ -60,7 +60,7 @@ pipeline = Pipeline([
 pipeline.fit(X, y)
 
 # ----------------------------
-# 🔮 Vorhersagefunktion
+#  Vorhersagefunktion
 # ----------------------------
 
 def predict_lead(kundentyp, branche, produktgruppe, region, kanal,
@@ -84,7 +84,7 @@ def predict_lead(kundentyp, branche, produktgruppe, region, kanal,
     return f"Abschlusswahrscheinlichkeit: {prob:.2f} → Priorität: {klasse.upper()}"
 
 # ----------------------------
-# 🖥️ Gradio UI
+#  Gradio UI
 # ----------------------------
 
 demo = gr.Interface(