Rencana evaluasi Anda harus tetap berlaku ketika datanya berubah. Catatan ini memiliki nilai dan jumlah baris yang berbeda dari contoh sebelumnya, jadi jangan menghafal posisi baris. Buat ulang partisi yang diminta dengan objek yang disediakan dan seed yang tetap. Pemisahan berpasangan sama pentingnya ketika Anda sudah memiliki partisi pelatihan.
Beberapa tugas meminta stratifikasi; yang lain memakai pemisahan acak biasa. Ikuti persyaratan yang dinyatakan dan jangan menambah asumsi. Latihan validasi dimulai dari X_train karena partisi uji akhir sudah ada. Mengambil baris validasi dari seluruh X akan membuat observasi uji memengaruhi seleksi. Periksa bahwa indeks pelatihan dan holdout tidak saling tumpang tindih, bahwa gabungannya mencakup semua baris input, dan bahwa setiap label tetap cocok dengan baris fiturnya.
Membagi input dan label sekaligus menjaga korespondensi keduanya. Holdout yang tidak disentuh memperkirakan kinerja pada baris yang belum pernah dilihat model yang telah dilatih.