机器学习模型缺一不可的REF的特征选择神器

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

`如何用RFE选择重要特征的比例，并保留下来。特征的选择对于模型的训练速度和精度有着巨大的影响，如何用合适的特征是非常重要的。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、RFE是什么？

RFE:递归特征删除法是不断训练模型，每次训练完毕删除掉n个重要性低的特征，然后对新的特征再次进行训练，又一次得到特征重要性，再次删除n个重要性低的特征，直到特征数满足自己的设定。

二、使用步骤

1.案例

代码如下（示例）：

from sklearn.linear_model import Lasso
from sklearn.feature_selection import RFE
warnings.filterwarnings('ignore'