我在参加Kaggle的房价竞赛。我有一个数据准备函数，使用递归特征消除（RFE）进行特征选择，代码如下：

rfe = RFE(estimator=ElasticNet(), n_features_to_select=10)X_selected = rfe.fit_transform(X, y)X = pd.DataFrame(X_selected)

其中 X, y = dataset.iloc[:,:-1], dataset.iloc[:,-1:]。当我使用训练数据集时，这段代码运行良好，但在使用测试数据集时，由于没有 y 变量，代码无法运行。

我的问题是，如何在使用训练数据集时选择相同的特征？

我在使用 TruncatedSVD 进行降维时也遇到了同样的问题：

svd = TruncatedSVD(n_components=30)X_trans = svd.fit_transform(X)X = pd.DataFrame(X_trans)

我有训练集 X 和测试集 datasetTest，我想选择相同的特征。

回答：

如果我理解正确的话，你的问题是你无法在测试集上使用 fit_transform，因为你没有 y 变量。

你可以访问 rfe.support_，它会返回哪些特征被选中。

rfe = RFE(estimator=ElasticNet(), n_features_to_select=10)X_selected = rfe.fit_transform(X, y)X = pd.DataFrame(X_selected)X_test_selected = X_test[:, rfe.support_]  # 选择被选中的特征

rfe.support 包含一个掩码 [True False... True]，其中 True 表示该特征被选中。

你可以在 scikit 文档 中了解更多信息。