我处理了一个包含超过295列的数据集（经过分类编码后），使用随机森林回归模型获得了97.92%的准确率。我想使用反向消元方法去除一些特征，但不想手动处理295列。有没有更有效的方法可以做到这一点？

这是我所做的

x_opt = X_train[:,:] x_opt = np.array(x_opt, dtype=float)ols = sm.OLS(endog = Y_train, exog = x_opt).fit() ols.summary()

但是由于有1460行，我无法找出最大P值。

回答：

在8-9个月后，我找到了这个问题的答案，即sklearn中有一个名为f_regression的方法，它会返回p值，然后我可以将这些值转换为数据框，并找出最大值。

https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.f_regression.html