我正在尝试通过 Orange3 交叉验证我的 scikit-learn 脚本，从而获得一个很好的视觉表示。

一步一步做，为了简单起见，我只是尝试交叉验证一个简单的线性回归。

以下是线性回归的简单脚本python/scikit-learn

lr=LinearRegression(fit_intercept=True,normalize=False,copy_X=True,n_jobs=1)
lm=lr.fit(X_train, y_train)
lmscore_train=lm.score(X_train,y_train)  ## R2 = 0.6264021467338086
lmscore_test=lm.score(X_test,y_test)     ## R2 = -12.344747578839215

虽然我期望得到相同的结果，但事实并非如此。

在 Orange 中，我得到 R2=-10.792，而在 Python 中，我得到 R2=-12.344747578839215。

在这两种情况下，训练和测试拆分是相同的。

你知道这是为什么吗？