在scikit-learn的documentation中，它只有简短的描述
为每个输入数据点生成交叉验证的估算值
我正在努力理解其背后的含义。由于默认值为3倍（cv=3），对我来说，它将整个数据(X,y)分成(X1,y1)，(X2,y2)，(X3,y3)。然后，它在(X2,y2)和(X3,y3)上进行训练，然后得到预测y_pred1。然后，它继续训练不同的组合，并获得预测y_pred2和y_pred3。然后将y_pred1，y_pred2，y_pred3连接在一起，以获得完整的y_pred。
我正确吗？然后，是否有可能在该过程中生成确切的(X1,y1)，(X2,y2)，(X3,y3)？
下面显示了根据官方文档从y_pred获取cross_val_predict的代码。
from sklearn import datasets, linear_model
from sklearn.model_selection import cross_val_predict
diabetes = datasets.load_diabetes()
X = diabetes.data[:150]
y = diabetes.target[:150]
lasso = linear_model.Lasso()
y_pred = cross_val_predict(lasso, X, y, cv=3)