如何以更好的优化方式计算 cross_val_score() 的平均值？

如何解决如何以更好的优化方式计算 cross_val_score() 的平均值？

为了训练，我使用了一个包含 13 个特征和 304 行的样本数据。我正在尝试评估我使用的 RandomForestClassifier() 的分数。为了使分数预测更精确，我将 cross_val_score() 的所有结果添加到一个列表中，并获得该列表中数字的平均值。我还使用计时器来查看运行它需要多长时间。这是代码的 cross_val_score() 部分：

Traceback (most recent call last):
  File "c:\Users\Desktop\working_dir\test.py",line 26,in <module>
    read.appendChild(xml)
  File "C:\Users\AppData\Local\Programs\Python\python39\lib\xml\dom\minidom.py",line 115,in appendChild
    if node.nodeType == self.DOCUMENT_FRAGMENT_NODE:
AttributeError: 'str' object has no attribute 'nodeType'

这是我得到的：

start = time.time()
big_mean = list()
i = 0
while i < 100:
    score = np.mean(cross_val_score(RFC,X,y,cv=5))
    big_mean.append(score)
    i += 1
print(sum(big_mean)/len(big_mean))
end = time.time()
print("Timer: ",end - start)

我觉得代码优化得很差。如果有更多数据，它甚至会花费超过 75 秒。哪些更改会使其成为更好的优化代码？