我有一个机器学习问题，想优化我的SVC估计器以及特征选择。

为了优化SVC估计器，我主要使用了文档中的代码。现在我的问题是，如何将这个与递归特征消除交叉验证（RCEV）结合起来？也就是说，对于每个估计器组合，我希望进行RCEV以确定最佳的估计器和特征组合。

我尝试了这个线程中的解决方案，但出现了以下错误：

ValueError: Invalid parameter C for estimator RFECV. Check the list of available parameters with `estimator.get_params().keys()`.

我的代码如下所示：

tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-4,1e-3],'C': [1,10]},                    {'kernel': ['linear'],'C': [1, 10]}]estimator = SVC(kernel="linear")selector = RFECV(estimator, step=1, cv=3, scoring=None)clf = GridSearchCV(selector, tuned_parameters, cv=3)clf.fit(X_train, y_train)

错误出现在clf = GridSearchCV(selector, tuned_parameters, cv=3)处。

回答：

我会使用Pipeline，但这里有一个更合适的回答

使用scikit-learn进行递归特征消除和网格搜索