整体验证分数
现在该通过交叉验证来获得模型的实际表现了！我们的门店商品需求预测模型表现如何？
您的任务是分别计算每个折的均方误差（MSE），然后把这些结果合并为一个数字。
为简化操作，已为您提供 get_fold_mse() 函数。它会在每个交叉验证切分上拟合一个随机森林模型，并按折返回 MSE 分数组成的列表。get_fold_mse() 接受两个参数：train 和 TimeSeriesSplit 对象。
本练习是课程的一部分
用 Python 赢下 Kaggle 竞赛
交互式实操练习
通过完成这段示例代码来试试这个练习。
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.____(____)))