目的変数は、予測したいものです。特徴量は、その予測が必要なときに渡せる情報です。テーブルには、識別子や管理用の項目とともに、その両方が含まれていることがよくあります。テーブル全体をモデルに渡すと、答えを直接与えてしまうことがあります。レコード番号が、意味のない近道を促すこともあります。
scikit-learnでは、通常Xが2次元の特徴量の行列を、yが1次元の目的変数を持ちます。その行は対応したままでなければなりません。特徴量をある順序で、ラベルを別の順序で選ぶと、もっともらしいコードで誤った訓練のペアができてしまいます。与えられた特徴量のリストを取り決めとして使い、その順序を保ち、目的変数を分けておいてください。ある監査の練習では、課題の要件と一般的なモデリングの推奨を区別できるように、識別子を残すよう明示的に求めています。