Просто, чтобы добавить немного ясности, легче понять разницу, если вы рассматриваете нелинейную функцию оценки, такую как Maximum-Absolute-Error, вместо чего-то вроде средне-абсолютной ошибки.
cross_val_score () вычисляет максимальную абсолютную ошибку для каждого из 3-кратных значений (при условии 3-кратного перекрестного подтверждения) и сообщает совокупный результат (скажем, среднее?) по 3 таким показателям.То есть что-то вроде среднего значения (a, b, c), где a, b, c - максимальные погрешности abs для 3-кратного смещения соответственно.Я предполагаю, что можно безопасно возвращать возвращаемое значение как max-absolute-error вашей оценки в среднем или общем случае.
с помощью cross_val_predict () вы получите 3 набора прогнозов, соответствующих 3-кратномуи принятие максимальной абсолютной ошибки по совокупности (объединению) этих трех наборов прогнозов, безусловно, не совпадает с приведенным выше.Даже если прогнозируемые значения одинаковы в обоих сценариях, здесь вы получите максимум (a, b, c).Кроме того, max (a, b, c) будет необоснованной и чрезмерно пессимистичной характеристикой оценки max-absolute-error вашей модели.