请用递归消除法Relief完成对乳腺癌数据特征的筛选。利用Python实现

递归消除法（Recursive Feature Elimination，RFE）是一种无参数、基于模型的特征选择算法，它通过逐步删除最不重要的特征来优化模型性能。在处理乳腺癌等分类任务的数据集时，可以先训练一个分类模型，然后应用RFE来确定最重要的特征。

这里是一个简单的Python示例，使用sklearn库实现递归消除法对Breast Cancer Wisconsin (Diagnostic) 数据集进行特征筛选：

from sklearn.datasets import load_breast_cancer
from sklearn.ensemble import RandomForestClassifier
from sklearn.feature_selection import RFE

# 加载数据
data = load_breast_cancer()
X = data.data
y = data.target

# 使用随机森林作为基础模型
model = RandomForestClassifier()

# 应用RFE
rfe = RFE(model, n_features_to_select=5)  # 指定保留的特征数量，例如5个重要特征
fit_rfe = rfe.fit(X, y)

# 获取最终的特征索引和特征名称
selected_features = data.feature_names[rfe.support_]

print("Selected features using Relief: ", selected_features)