Python 3.x 当使用完整数据集时，K-Fold交叉验证会给出奇怪的结果

所以我一直在使用这个数据集，我把它分为训练集和测试集（20%测试）。因此，当我在cv=10的训练数据上使用K-fold交叉验证时，它给出了正常的准确性，但当我在整个数据集（训练+测试）上使用它时，它给出了奇怪的否定结果。那里甚至有a-128。发生了什么事

import pandas as pd
data=pd.read_csv('50_Startups.csv')
X = data.iloc[:,[0,2]].values
Y = data.iloc[:,-1].values
from sklearn.cross_validation import train_test_split as tts
X_train,X_test,Y_train,Y_test=tts(X,Y,test_size=0.2,random_state=0)
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
accuracies = cross_val_score(estimator=LinearRegression(),X=X_train,y=Y_train,cv=10)
accuracies_dataset= cross_val_score(estimator=LinearRegression(),X=X,y=Y,cv=10)

---

精度\u数据集给出异常负值，但精度给出正常结果。想法？

您需要发布代码，没有代码就没有人能够提供帮助。完成后，我是否还需要发布数据？是的，这会有所帮助。