当我使用RFE来选择数据集中最重要的特征时，它返回了所有特征，而不是我指定的特征数量。

这里是简单的代码:

  from sklearn.svm import SVC  from sklearn.datasets import load_digits  from sklearn.feature_selection import RFE  import matplotlib.pyplot as plt  new_X=np.array([[1,2,3,3],[1,2,4,4],[3,1,3,4],[3,1,4,5]])  new_Y=np.array([1,1,0,0])  svc = SVC(kernel="linear", C=1)  rfe = RFE(estimator=svc, n_features_to_select=2, step=1)  rfe.fit(new_X, new_Y)  ranking = rfe.ranking_  len(ranking)

回答：

你看错了地方。

rfe.ranking_ 总是会返回所有特征的排名。但在 ranking_ 中，选中的特征值为1

打印 ranking_ 看看:

ranking# Output: array([1, 1, 3, 2])

这意味着第一和第二个特征被选中。