python中高斯核SVM使用RFE方法

你可以使用scikit-learn库中的SVC模型和RFECV类来实现高斯核SVM使用RFE方法。

首先导入必要的库：

from sklearn.svm import SVC
from sklearn.feature_selection import RFECV

然后定义SVC模型和RFECV类：

svc = SVC(kernel='rbf')
rfecv = RFECV(estimator=svc, step=1, cv=5, scoring='accuracy')

其中，SVC中的参数`kernel='rbf'`表示使用高斯核函数，RFECV中的参数`estimator=svc`表示使用SVC模型进行特征选择，`step=1`表示每次迭代删去一个特征，`cv=5`表示使用5折交叉验证，`scoring='accuracy'`表示使用准确率作为评价指标。

接着使用数据进行训练和特征选择：

rfecv.fit(X, y)

其中，`X`为特征矩阵，`y`为标签向量。

最后，可以输出所选择的最优特征个数和所选特征的排名：

print("Optimal number of features : %d" % rfecv.n_features_)
print("Ranking of features : %s" % rfecv.ranking_)

其中，`rfecv.n_features_`表示所选择的最优特征个数，`rfecv.ranking_`表示所选特征的排名，排名越小表示特征越重要。