我正在使用sklearn运行LinearRegression（）模型。该数据集包含车辆的特征，例如发动机尺寸，气缸，mpg，燃料类型和二氧化碳排放量。目标变量是二氧化碳排放量。我将数据分割为70/30。当我计算训练集和测试集的分数时，训练集分数为0.992，测试集分数为0.993。 （两种方法的准确性都很高，这归因于燃料类型使用了虚拟变量。我重新运行了没有虚拟变量的模型，并且火车的精度下降到0.867，测试的准确性下降到0.870。同样，测试得分很高更高）。
我已经在网上四处张望，还没有发现任何有用的见解。我见过其他人说这可能是由于数据集很小，但是该数据集有超过18,000个观测值（火车为13090，测试为5611）。由于培训和考试分数几乎相同，这是一个问题吗？是什么导致考试成绩更高？
可以在here中找到此ML项目的数据。我正在使用2000-2018年的燃油消耗。