KNeighborsClassifier模型运用Recursive Feature Elimination方法进行特征工程的python实例代码

以下是使用 KNeighborsClassifier 模型和 Recursive Feature Elimination 方法进行特征工程的 Python 示例代码：

from sklearn.datasets import make_classification
from sklearn.feature_selection import RFE
from sklearn.neighbors import KNeighborsClassifier

# 生成一些随机数据用于演示
X, y = make_classification(n_samples=1000, n_features=10, n_informative=5, n_redundant=0, random_state=42)

# 创建 KNeighborsClassifier 模型
knn = KNeighborsClassifier()

# 创建 RFE 特征选择器
rfe = RFE(estimator=knn, n_features_to_select=5)

# 对数据进行特征选择
X_rfe = rfe.fit_transform(X, y)

# 输出选择的特征
print("选择的特征：")
for i in range(len(rfe.support_)):
    if rfe.support_[i]:
        print("特征 %d" % i)

在这个示例中，我们生成了一个包含 1000 个样本和 10 个特征的随机数据集。然后，我们创建了一个 KNeighborsClassifier 模型和一个 RFE 特征选择器，并使用 fit_transform() 方法对数据进行特征选择。最后，我们输出了选择的特征。