如何从使用sklearn的RFE中获取系数？

我在使用递归特征消除（RFE）进行特征选择。它的工作原理是迭代地使用一个估计器（如SVM分类器），将其拟合到数据上，并移除权重（系数）最低的特征。

我能够将它拟合到数据上并进行特征选择。然而，之后我想从RFE中恢复每个特征的学习权重。

我使用以下代码来初始化一个分类器对象和一个RFE对象，并将它们拟合到数据上。

svc = SVC(C=1, kernel="linear")rfe = RFE(estimator=svc, n_features_to_select=300, step=0.1)rfe.fit(all_training, training_labels)

然后我尝试打印系数

print ('coefficients',svc.coef_)

并收到以下错误：

AttributeError: 'RFE' object has no attribute 'dual_coef_'

根据sklearn文档，分类器对象应该有这个属性：

coef_ : array, shape = [n_class-1, n_features]分配给特征的权重（原始问题中的系数）。这仅在使用线性核时可用。coef_ 是从dual_coef_ 和 support_vectors_ 派生的只读属性。

我使用的是线性核，所以这不是问题所在。

谁能解释为什么我无法恢复系数？有没有解决办法？

回答：

在发布2分钟后，我再次查看了RFE的文档，并意识到了一个部分解决方案。

RFE对象具有估计器对象作为属性。因此我可以调用

print ('coefficients',rfe.estimator_.coef_)

并获取选定特征的系数。（即这会返回前300个特征的系数，因为我之前设置了n_features_to_select=300）。

然而，我仍然无法获取未选中特征的系数。对于RFE的每次迭代，它都会训练分类器并为每个特征获取新的系数。理想情况下，我希望能够访问每次迭代中学习到的系数。

（所以如果我从3000个特征开始，并使用步长300个特征，第一轮迭代我想访问3000个系数，下一轮迭代我想访问剩余2700个特征的2700个系数，第三轮迭代我想访问2400个系数，依此类推。）

学技术