rfe特征选择python

RFE（Recursive Feature Elimination）是一种特征选择方法，它通过递归地消除特征并评估模型性能来选择最佳特征子集。在Python中，可以使用sklearn库中的RFE类来实现RFE特征选择。

首先，导入所需的模块和数据集，并使用pandas库读取数据集：

from sklearn.datasets import load_boston
import pandas as pd

data = load_boston()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = pd.DataFrame(data.target, columns=['target'])

接下来，定义RFE特征选择的参数和模型：

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

model = LinearRegression()
rfe = RFE(estimator=model, n_features_to_select=5)

然后，使用训练数据拟合RFE模型并转换特征矩阵：

X_rfe = rfe.fit_transform(X, y)

最后，你可以通过`rfe.support_`属性来获取特征选择结果，其中True表示选择的特征，False表示未选择的特征：

selected_features = X.columns[rfe.support_]
print("Selected Features:", selected_features)