实现 cross_val_score()
公司研发了几款新糖果，但尚不确定是否应该全部推出。为预测这些新糖果的受欢迎程度，要求您使用 candy 数据集构建一个回归模型。请记住，响应值是与其他糖果正面对比时的胜率百分比。
在尝试不同的回归模型之前，您决定先在一个简单的随机森林模型上运行交叉验证，以获得一个基线误差，便于与后续结果进行比较。
本练习是课程的一部分
Python 中的模型验证
练习说明
- 补全
cross_val_score()。- 训练数据使用
X_train，响应使用y_train。 - 使用
rfc作为模型，进行 10 折交叉验证，并将mse作为评分函数。
- 训练数据使用
- 打印
cv结果的均值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
rfc = RandomForestRegressor(n_estimators=25, random_state=1111)
mse = make_scorer(mean_squared_error)
# Set up cross_val_score
cv = cross_val_score(estimator=____,
X=____,
y=____,
cv=____,
scoring=____)
# Print the mean error
print(cv.____())