Посчитайте среднюю оценку качества методом кросс-валидации и сохраните её в переменной final_score. Обозначьте список оценок scores и получите его функцией cross_val_score().
В коде уже есть print(), чтобы вывести final_score на экран.
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import cross_val_score
data = pd.read_csv('https://code.s3.yandex.net/datasets/heart.csv')
features = data.drop(['target'], axis=1)
target = data['target']
model = DecisionTreeClassifier(random_state=0)
# < посчитайте оценки, вызвав функцию cross_value_score с пятью блоками >
scores = cross_val_score(model, features, target, cv=5)
final_score = scores.sum() / len(scores)
print('Средняя оценка качества модели:', final_score)Результат
Средняя оценка качества модели: 0.7856284153005464