据我了解，SVM 具有内置的正则化，因为它们倾向于惩罚大权重的预测变量，这相当于有利于更简单的模型。它们通常与递归特征消除一起使用（至少在神经影像学范式中）。

具体来说，关于 R，有kernlab包，作者是Alex Smola，他与人合着了Learning with Kernels（2002 年，麻省理工学院出版社），它实现了 SVM（除了e1071 之外）。但是，如果您使用专用框架，我会热烈推荐caret包。

对于递归特征提取（SVM-RFE），我认为包e1071和Kernlab没有实现它。我认为 Weka SVMAttributeEval 包适用于 Java，但正如我所见，问题是针对 R 的。最好的方法是尝试使用e1071 和 LIBSVM库来实现 SVM-RFE，我在这里找到了一个很好的相关文件。

Weka SVMAttributeEval包允许您使用 SVM 进行特征选择。

将 R 数据框转储到 csv 文件，将其导入 Weka，进行特征选择，然后将其拉回 R 应该很容易。