我正在使用SVM来训练使用1000个特征（X）和标记数据（y）的模型，目的是使用它来预测y_new。一些功能对于预测y并不是非常重要，因此我希望减少保留最重要功能的功能数量。在scikit-learn feature selection overview上写着：
使用SVM和逻辑回归，参数C控制 稀疏性：较小的C选择的特征越少。
这是指SVC（包含所有内核）以及LinearSVC吗？换句话说，如果我想使用SVC和'rbf'内核，是否有必要选择一个特征子集作为初步步骤（例如recursive feature elimination或LASSO）找到我将用于训练我的SVC的最重要的功能，或者我可以直接用SVC训练1000个功能，并简单地使C“小”。