【问题标题】：models to use for Recursive Feature Elimination for classification and regression用于分类和回归的递归特征消除的模型
【发布时间】：2020-04-08 01:33:33
【问题描述】：
对于Recursive Feature Elimination 和classification 和regression，我们可以使用哪些模型。
例如我们可以使用
selector = RFE(RandomForestClassifier(), 5)
用于分类
和
selector = RFE(RandomForestRegressor(), 5)
回归
-
还有哪些其他模型可用于 RFE？
-
可以将回归 RFE 模型用于分类，反之亦然（在某处阅读。仍然不确定它们如何适应）
【问题讨论】：
标签：
machine-learning
scikit-learn
regression
classification
feature-selection
【解决方案1】：
关于 Q.1，文档说明：
估计器：对象
具有拟合方法的监督学习估计器，通过 coef_ 属性或 feature_importances_ 属性提供有关特征重要性的信息。
coef_ 通常与所有线性模型相关联（例如sklearn.linear_model、sklearn.naive_baye、sklearn.svm 等）。 feature_importances_ 与基于树的模型相关联：例如sklearn.tree.DecisionTreeClassifier、sklearn.ensemble.RandomForestClassifier等
关于 Q.2，我对此知之甚少。我的直觉是，您可以通过离散化问题来使用一些分类器来解决回归问题，但不确定它在实践中是否有用。我会让更有知识的人回答这个问题。