Для разделения набора данных на обучающую и тестовую выборки можно воспользоваться функцией train_test_split из библиотеки scikit-learn. Эта функция позволяет случайным образом разделить данные на две выборки заданного размера. В данном случае нам нужно поместить 200 значений в тестовую выборку, а все остальные оставить в обучающей выборке. Перед разделением общего набора данных на выборки, нам необходимо убедиться, что данные и целевые переменные имеют одинаковое количество записей. Допустим, у нас есть массив данных x и массив целевых переменных y: x = [значение1, значение2, ..., значениеN] - массив данных y = [целевая_переменная1, целевая_переменная2, ..., целевая_переменнаяN] - массив целевых переменных Для разделения на обучающую и тестовую выборки мы можем использовать следующий код:

from sklearn.model_selection import train_test_split



# Разделяем выборку на обучающую и тестовую, в тестовой будут 200 значений

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=200, random_state=42)

В результате выполнения данного кода, переменные x_train и y_train будут содержать обучающую выборку, а переменные x_test и y_test - тестовую выборку. Размер тестовой выборки задается параметром test_size, который в данном случае равен 200. Параметр random_state позволяет установить начальное значение для генератора случайных чисел, чтобы результат разделения был воспроизводимым. Таким образом, чтобы разделить набор данных на обучающую и тестовую выборки, можно использовать следующий код:

x_train = x[:-200]  # В обучающей выборке все значения, кроме последних 200

x_test = x[-200:]   # В тестовой выборке последние 200 значений



y_train = y[:-200]  # Аналогично разделяем целевые переменные

y_test = y[-200:]

Если данные уже представлены в виде массивов x и y, то данный код разделит их на обучающую и тестовую выборки. В обучающей выборке будут все значения, кроме последних 200, а в тестовой выборке - только последние 200 значений.