递归特征消除代码

以下是递归特征消除的 Python 代码实现：

from sklearn.feature_selection import RFE
from sklearn.linear_model import LinearRegression

# 假设 X 是特征矩阵，y 是目标变量
estimator = LinearRegression()
# n_features_to_select 表示要选择的特征数量
selector = RFE(estimator, n_features_to_select=5, step=1)
selector = selector.fit(X, y)
# 选择出来的特征
selected_features = selector.support_
# 特征排名
feature_ranking = selector.ranking_

在上述代码中，我们使用 `sklearn` 中的 `RFE` 类来进行递归特征消除。我们指定 `LinearRegression` 作为评估器，`n_features_to_select` 表示我们要选择的特征数量，`step` 表示每次迭代时删除的特征数量。然后，我们使用 `fit` 方法拟合模型并选择出最佳的特征。最后，我们可以使用 `selected_features` 来查看选择的特征，使用 `feature_ranking` 来查看特征排名。