在给出“不同时间点的R平方得分不同”的情况下，我们可以使用以下代码示例来解决问题：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# 创建一个包含时间和目标变量的数据集
data = pd.DataFrame({'时间': [1, 2, 3, 4, 5], '目标变量': [2, 4, 6, 8, 10]})

# 初始化R平方得分列表
r2_scores = []

# 遍历每个时间点
for time_point in data['时间']:
    # 将数据集分为特征和目标变量
    X = data[data['时间'] <= time_point]['时间'].values.reshape(-1, 1)
    y = data[data['时间'] <= time_point]['目标变量']
    
    # 训练线性回归模型
    model = LinearRegression()
    model.fit(X, y)
    
    # 预测目标变量
    y_pred = model.predict(X)
    
    # 计算R平方得分
    r2 = r2_score(y, y_pred)
    r2_scores.append(r2)

# 打印每个时间点的R平方得分
for i, time_point in enumerate(data['时间']):
    print(f"在时间点 {time_point} 的R平方得分为: {r2_scores[i]}")

在上述代码中，我们首先创建了一个包含时间和目标变量的数据集。然后，我们使用一个循环遍历每个时间点，并将数据集分为特征和目标变量。接下来，我们训练一个线性回归模型，并使用模型预测目标变量。最后，我们计算预测值和真实值之间的R平方得分，并将其存储在一个列表中。通过打印每个时间点的R平方得分，我们可以看到不同时间点的得分不同。