class sklearn.feature_selection.RFE(estimator, *, n_features_to_select=None, step=1, verbose=0)

https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.RFE.html?highlight=rfe#sklearn.feature_selection.RFE

estimator：用于特征選擇的分類器，如可以選擇sklearn.linear_model.LogisticRegression

n_features_to_select：選擇的特征數(shù)

step：如果大于或等于1，則step對(duì)應(yīng)于在每次迭代中要?jiǎng)h除的特征的(整數(shù))數(shù)量。如果在(0.0,1.0)范圍內(nèi)，那么step對(duì)應(yīng)于在每次迭代中要?jiǎng)h除的特征的百分比(四舍五入)。

總結(jié)

以上是生活随笔為你收集整理的基于wrapper的特征选择——递归特征消除RFE的python实现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。