我有一个数据集，总共有58个样本。数据集有两列"测量信号"和"people_in_area"。因此，我正在尝试使用Scikit-learn训练线性回归模型。目前，我将 75% 的数据集用于训练，25% 用于测试。但是，根据数据在拆分前的顺序，我获得了不同的 R 平方值。
我认为由于数据集很小，根据数据拆分前的顺序，不同的值将保持为x_test和y_test。因此，我正在考虑在我的线性回归模型上使用"交叉验证"来划分测试并随机训练数据几次，对其进行更多训练，并且能够测试更多，以这种方式获得更可靠的结果。这是一种正确的方法吗？
是的，使用交叉验证可以更好地估计模型性能。
但是，随机拆分（交叉验证）不适用于时间序列和/或所有数据分布。
"最终模型"不会更好，只有您对模型性能的估计。