在训练和预测分类任务的进度之前，通常会单独调整训练和测试数据。
我想在运行CV测试的RFECV中嵌入上述过程，因此我尝试了以下方法：
待办事项
X_scaled = preprocessing.scale(X)首先是X，其中scaling_svm = Pipeline([('scaler', preprocessing.StandardScaler()),
('svm',LinearSVC(penalty=penalty, dual=False, class_weight='auto'))])
是整个数据集。通过这样做，训练和测试数据不会单独扩展，这是不考虑的。
我尝试的另一种方式是通过：
RFECV作为rfecv = RFECV(estimator=scaling_svm, step=1, cv=StratifiedKFold(y, 7),
scoring=score, verbose=0)
中参数的参数：
RFECV但是，由于estimator需要.coef_具有属性{{1}}，因此出现错误。
我该怎么办？任何帮助将不胜感激。