通常のデータ(時間の経過による影響が少ないと考えられるデータ)の学習精度は、交差検証(CrossValidation)時の各foldの予測値の平均で算出しています。
時系列データの学習精度は、TimeSeriesCrossValidationの各foldの予測値の加重平均で算出しています。 TimeSeriesCrossValidationは、検証データが常に学習データよりも未来のデータになるようにデータを分割、検証を行う手法です。
TimeSeriesCrossValidationでは、検証データより未来のデータを学習に使うことができないため、fold数が少ないほど、学習できるデータが少なくなります。
「学習データが少ないモデルほど、予測値も信頼性が低い」と考えられるため、加重平均(始めのfoldに近いほど、重みが低なる)を取ることで、より直感に近い精度を表現しています。