Как обосновать использование модели прогнозирования с более высоким RMSE (cv=10)

Я работаю над моделью прогнозирования. Чтобы получить наилучшую возможную модель, я использую cross_val_score для сравнения различных моделей с CV = 10 и RMSE, я получаю следующее:

                                       Lasso      SVR        NuSVR  GradientBoostingRegressor   RandomForestRegressor
Modeling Methods(15 fact and FR)    0.748253    0.779394    0.776631    0.796389                  0.792362

Отсюда ясно, что лучшей моделью, основанной на RMSE, является Lasso, но я пытаюсь предсказать невидимые данные с ее помощью, она дает только одно число, например 31,07, для каждого случая. В то время как GradientBoostingRegressor дает лучшие прогнозы из всех моделей.

Теперь мне интересно, как оправдать использование модели GradientBoostingRegressor, если у нее более высокий RMSE?

Мои образцы невидимых данных с прогнозом от Лассо

 Disaster Number_left       county_state  Total Destroyed  pred_TD_actual  \
0          279-17          Camden_MO                8       31.043349   
1          279-17            Cole_MO               13       31.043349   
2          279-17            Dent_MO                3       31.043349