有没有办法使用带有scikit-learn的非线性模型进行递归特征选择？

Question

我正在尝试将SVR与rbf内核（显然）一起用于回归问题。我的数据集有300个功能。我想选择更多相关的功能，并使用matlab的sequentialfs函数，它会尝试每个组合（或者无论如何从少量变量开始并在路上添加变量，或相反，向后，如RFE或scikit的RFECV））。

现在，如上所述，对于python，有RFE，但我不能将它与非线性估计器一起使用。有什么我不知道哪些可以让我使用非线性估计器的RFE？我想编写一个能够做到这一点的算法并不困难，但是如果已经有了能够完成这项工作的东西，那肯定会更好。

一如既往地谢谢你;）

Answer 1

RFE必须有某种方法来确定功能重要性，而RBF内核SVM不提供这种功能。通过快速浏览original algorithm，我得到的结论是内核SVM的实现必须集成到SVM学习算法中。

逐步（向前或向后）功能选择很容易实现，但在scikit-learn中不能作为预先构建的估算器使用。