我想针对启用了提前停止功能的xgboost模型进行功能选择（使用SequentialFeatureSelector库中的mlxtend，但可以选择其他选项）
由于early_stopping是fit()函数的参数，而不是模型参数，如果我还需要传递eval_set参数，我该如何通过交叉验证进行特征选择。
以下代码将不起作用，因为我需要传递eval_set参数，但是交叉验证将由SequentialFeatureSelector根据简历索引器选择
SequentialFeatureSelector(xgboostmodel,k_features=2,forward=False,floating=False,scoring='balanced_accuracy',cv=cv).fit(X,y,early_stopping_rounds=5,eval_set = [(Xtest, ytest)])
Xtest和ytest应该是cv选择的cv集
另一个问题是特征选择器将一个一组地删除训练集中的特征，但是eval_set在整个初始特征集合中保持不变。