当てはめたモデルは、すでに訓練のラベルを使っています。同じ行でそれを測ると、新しい行をどれだけうまく扱えるかではなく、見慣れた観測をどれだけ再現できるかがわかるだけです。テストの区分は、当てはめの外に残る行を与えます。各特徴量の行が元の結果を保つように、入力とラベルを一緒に分割してください。
固定したrandom_stateは練習を再現できるようにしますが、1つの分割をどこでも代表的なものにするわけではありません。層化はクラスの比率をおおよそ保ち、小さな区分からまれなラベルが消えるのを防ぐのに役立ちます。すべての行をちょうど1つの区分に入れ、要求された分割の大きさを使ってください。練習では、重なり合う区分や、別々にシャッフルしたラベルを意図的に不正解にします。時間や繰り返し現れる顧客によって別の分割の戦略が必要になる理由は、後のレッスンで改めて扱います。