随机森林cross_val_score和rf.score差很多

输出结果：
[0.77863066 0.85439699 0.75233068 0.46974783 0.25755991]
0.9823243607102365
0.878599125852538
使用的数据集是波士顿房价。
为什么5折交叉验证结果里r2竟然有0.25756这值？平均值在0.5左右，而且不管怎么换随机种子rf.score的r2值都是0.85以上，为什么有这么大差距？

这是因为交叉验证和在训练集上评估模型的方法是不同的。

交叉验证将数据分成训练集和验证集，并在不同的验证集上进行评估。这样可以更好地评估模型的泛化能力，即在新数据上的表现。而在训练集上评估模型则只能评估模型在训练集上的表现。

由于交叉验证使用了不同的验证集，因此结果可能会有较大的差异。在这种情况下，5折交叉验证的结果中有一个值很低（0.25756），导致平均值也很低。

而在训练集上评估模型得分则更高（0.9823243607102365），因为模型是在训练集上训练的。交叉验证是一种可靠的评估模型泛化能力的方法，而在训练集上评估模型则更多用于检查模型是否过拟合。