基于K折交叉验证的递归式剔除代码

下面是一个使用基于K折交叉验证的递归式剔除的Python代码示例：

from sklearn.feature_selection import RFECV
from sklearn.model_selection import StratifiedKFold
from sklearn.linear_model import LogisticRegression

# 定义模型和交叉验证策略
model = LogisticRegression()
cv = StratifiedKFold(5)

# 定义特征选择器
rfecv = RFECV(estimator=model, step=1, cv=cv, scoring='accuracy')

# 训练特征选择器并获取选择的特征
X_selected = rfecv.fit_transform(X, y)

在这个示例中，我们使用了逻辑回归模型，并使用 StratifiedKFold 作为交叉验证策略。我们使用 RFECV 类来定义特征选择器，并将其传递给 fit_transform() 方法来训练特征选择器并获取选择的特征。 step 参数指定每次迭代中要剔除的特征数，scoring 参数指定要使用的评分标准。