Entrenamiento con todo el dataset

Aunque solo sea por curiosidad, repitamos el ejercicio considerando las cuatro características predictivas del dataset Iris:

X = iris.drop(["species", "label"], axis = 1)
y = iris.label

Escalamos los datos:

X = scaler.fit_transform(X)

Los dividimos en bloques de entrenamiento y validación:

X_train, X_test, y_train, y_test = train_test_split(X, y)

Y entrenamos el modelo:

model = MLPClassifier(max_iter = 1000)
model.fit(X_train, y_train)
model.score(X_test, y_test)
0.9736842105263158