python特征分箱代码

rfecv特征选择的Python代码如下：

from sklearn.feature_selection import RFECV
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

# 创建一个分类数据集
X, y = make_classification(n_samples=1000, n_features=20, n_informative=10, n_redundant=0, random_state=0)

# 创建一个随机森林分类器
rfc = RandomForestClassifier(n_estimators=100, random_state=0)

# 创建一个RFECV对象
rfecv = RFECV(estimator=rfc, step=1, cv=5, scoring='accuracy')

# 训练RFECV对象
rfecv.fit(X, y)

# 输出最优特征数量和最优得分
print("Optimal number of features : %d" % rfecv.n_features_)
print("Optimal score : %.3f" % rfecv.grid_scores_[rfecv.n_features_ - 1])

这段代码首先使用`make_classification`函数创建了一个分类数据集，然后创建了一个随机森林分类器`RandomForestClassifier`和一个RFECV对象`RFECV`。接着使用`fit`方法训练RFECV对象，并输出最优特征数量和最优得分。