Record yang berulang dari pelanggan yang sama berbagi informasi. Karena itu, pembagian baris secara acak bisa mengevaluasi orang yang sudah dikenal, padahal deployment menuntut prediksi untuk orang baru. Validasi per grup menjaga setiap entitas sepenuhnya berada di satu sisi pada setiap pembagian. Anda akan memeriksa tumpang tindih, menghitung loss per grup, dan menghitung entitas independen yang disisihkan. Fold per grup tidak menyeimbangkan setiap distribusi target secara otomatis, jadi periksa juga tingkat kejadiannya. Pembagian yang benar bergantung pada pertanyaan deployment: pelanggan yang kembali dan pelanggan baru membutuhkan bukti yang berbeda. Dalam pelajaran ini, enam record fiktif dimiliki setiap pelanggan dan kasus penggunaan yang dituju adalah pelanggan yang tidak ada dalam data pelatihan.
Validasi per grup menyisihkan seluruh entitas sebagai holdout ketika deployment harus menggeneralisasi ke entitas baru.