sklearn SVM-Anova的doc中有一个例子。我希望进一步为{1}}进行SVM的超级参数，i.d.，C和gamma，对于示例中使用的每个百分比的特征，如下所示：
GridSearchCV它工作正常，通过这样做，我可以同时调整Anova和SVM的参数，并使用这样的参数对来构建我的最终模型。
然而，我对它是如何工作感到困惑。它首先拆分数据并通过管道吗？如果是这样，如果我想进一步深入了解所选功能，我如何确定Anova选择的功能？
说，我使用一对参数（Anova的百分位数和SVM的C / gamma）获得最佳的CV分数，我怎样才能确切地找出该设置中保留的功能？因为每个参数设置都在CV下进行测试，每个参数都包含具有不同训练数据的折叠，因此不同的特征集将由Anova评估。
我能想出来的一种方法是将每个折叠中保留的特征集相交，以获得最佳性能参数对，但我不知道如何修改代码来实现它。
对此方法的任何建议或疑问表示赞赏和欢迎。
答案 0 :(得分：3)
你可以摆脱百分位数的循环，只需将百分位数放在参数网格中。
然后，您可以查看search.best_estimator_的所选功能，即search.best_estimator_.named_steps['anova'].get_support()