整體驗證分數
現在是用交叉驗證來取得實際模型效能的時候了！我們的門市商品需求預測模型表現如何？
你的任務是分別取得每個摺疊（fold）的均方誤差（MSE），然後把這些結果彙整成單一數值。
為了簡化，你已經拿到 get_fold_mse() 函式。它會在每個交叉驗證切分上訓練一個 Random Forest 模型，並回傳依照摺疊列出的 MSE 分數清單。get_fold_mse() 接受 2 個引數：train 與 TimeSeriesSplit 物件。
本練習屬於課程
用 Python 拿下 Kaggle 競賽
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。
from sklearn.model_selection import TimeSeriesSplit
import numpy as np
# Sort train data by date
train = train.sort_values('date')
# Initialize 3-fold time cross-validation
kf = ____(n_splits=____)
# Get MSE scores for each cross-validation split
mse_scores = get_fold_mse(train, kf)
print('Mean validation MSE: {:.5f}'.format(np.____(____)))