我有一个包含四个数字列的数据框，它们是X1, X2, X3, Y。我将其分为80％的训练和20％的测试。整个数据帧中没有nan，现在我需要创建模型并对其进行评估（我是根据kaggle kernel建立此模型的）：
from sklearn.ensemble import RandomForestRegressor
predictor_cols = ["X1","X2","X3"]
train_X = train[predictor_cols]
my_model = RandomForestRegressor()
my_model.fit(train_X, train_Y)
test_X = test[predictor_cols]
test_Y = test["Y"] # the dependent variable is numeric
pred_test_Y = my_model.predict(test_X)
acc_rf = round(my_model.score(train_X, train_Y) * 100, 2)
acc_rf
我在my_model.fit()方面苦苦挣扎，因为找不到有关它的文档，但是我知道它使用RandomForestRegressor()来训练模型。但是，我有几个问题：
1）如何my_model.fit()训练模型？是否使用交叉验证来提高性能？如果使用哪种评分方法来评估交叉验证？
1.2）如果my_model.fit()不使用交叉验证，那么它将如何训练模型？
1.3）如果my_model.fit()不使用交叉验证，我该如何使用RandomForestRegressor（）技术使交叉验证能够选择评分方法？
2）假设下面的行评估了预测，但是没有（因为预测在变量pred_test_Y中，所以我用这行代码获得了98％的准确性（完全是准确性） ？）。我的意思是，这行是什么？
acc_rf = round(my_model.score(train_X, train_Y) * 100, 2)