上面的代码用没有标签的数据该怎么修改

如果您要在没有标签的数据上使用上面的代码，您可以做出以下修改：

1. 首先，您需要确保您有一个没有标签的数据集，即`train_dataset.features`和`test_dataset.features`中只包含特征数据，没有标签数据。

2. 然后，您可以直接使用特征数据来拟合`ExtraTreesClassifier`模型，而不需要提供标签数据。修改如下：

selector.fit(train_dataset.features)

3. 接下来，您可以使用特征选择器的`feature_importances_`属性获取每个特征的重要性得分，并进行排序和切片操作，选择重要性最高的特征。修改如下：

importances = selector.feature_importances_
selected_indices = np.argsort(importances)[::-1][:30]  # 选择重要性最高的前30个特征

4. 最后，将选定的重要特征的索引应用于原始的特征数据上，通过将原始特征数据的列进行切片操作，得到经过特征选择后的训练数据集`X_train`和测试数据集`X_test`。修改如下：

X_train = train_dataset.features[:, selected_indices]
X_test = test_dataset.features[:, selected_indices]

这样，您就可以在没有标签的数据上进行特征选择，并使用经过特征选择后的数据进行训练和测试。请确保您在使用这些数据进行后续操作时符合您的实际需求。