調整訓練集大小
訓練集與測試集的大小會影響模型效能。當訓練資料越多，模型通常學得更好。不過也有風險：模型可能對訓練資料過度擬合，導致對新資料的泛化能力變差。因此，為了正確評估模型的泛化能力，你需要足夠的測試資料。結果就是，訓練與測試之間的比例存在重要的平衡與取捨。
到目前為止，你使用 70% 做訓練、30% 做測試。現在改用 80% 的資料做訓練，看看這對模型效能有什麼影響。
本練習屬於課程
行銷分析：用 Python 預測客戶流失
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = ____