在一组 9 个特征上，我使用 SVM 估计器应用了递归特征消除 (RFE) 算法，遵循 (1) 中的方法。当请求找到大小为 1 的子集时，RFE 返回特征 X。
然而，当我对每个特征单独训练 SVM 时，我发现另一个特征 Y 比在 X 上训练的 SVM 具有更高的准确度。
我认为 RFE 可以找到精度最高的特征。
我对RFE的理解错了吗？
递归特征消除是否找到最佳特征子集？
数据挖掘
特征选择
支持向量机
射频
2022-03-06 07:06:26
1个回答
不，RFE 不能保证它找到具有最佳分数的特征子集。
与大多数贪心过程一样，RFE 的目的是降低计算成本（为每个特征子集），代价是可能找不到实际的最优值（但希望“足够接近”）。
另请参阅https://stats.stackexchange.com/questions/232461/question-about-recursive-feature-elimination