标签： python scikit-learn classification svm rfe
有人可以解释一下为什么分类的准确性会随着Scikit-learn中交叉验证的递归特征消除所使用的功能的增加而下降吗？从Scikit-learn文档中报告的示例：Recursive feature elimination with cross-validation，似乎在使用7个特征时会产生最佳分类结果。但是，使用17种功能时，精度会下降25％。这怎么可能？我希望随着功能的增加，精度会不断提高。
答案 0 :(得分：1)
您所指的文档版本是OLD。该示例的当前版本为here 如果删除功能总是会降低性能，那么进行功能选择就没有意义了。 删除与目标无关的功能将减少过度拟合。