Какой алгоритм бинарной классификации выбрать: у которого рост отложенной выборки 0.8 или 0.1

Выбирайте алгоритм с ростом отложенной выборки 0.8. Это означает, что модель лучше обобщает данные, так как её метрики улучшаются на большей части данных (валидационной выборке). Рост 0.1 может указывать на переобучение или слабую обобщающую способность.

Пример сравнения метрик:

from sklearn.metrics import accuracy_score

# Предположим, у нас есть два алгоритма
model1_score = 0.8  # Хороший рост
model2_score = 0.1  # Плохой рост

if model1_score > model2_score:
    print("Выбираем модель с ростом 0.8")
else:
    print("Выбираем модель с ростом 0.1")

Всегда оценивайте не только рост, но и другие метрики (AUC-ROC, F1-score) и стабильность модели на разных выборках.