递归特征消除（Recursive feature elimination）
递归特征消除的主要思想是反复构建模型，然后选出最好的（或者最差的）特征（根据系数来选），把选出来的特征放到一边，然后在剩余的特征上重复这个过程，直到遍历了所有的特征。在这个过程中被消除的次序就是特征的排序。
RFE的稳定性很大程度上取决于迭代时，底层用的哪种模型。比如RFE采用的是普通的回归（LR），没有经过正则化的回归是不稳定的，那么RFE就是不稳定的。假如采用的是Lasso/Ridge，正则化的回归是稳定的，那么RFE就是稳定的。
from sklearn.feature_selection import RFE
from sklearn.feature_selection import RFECV
from sklearn.linear_model import LinearRegression,Ridge,Lasso
from pandas import read_csv
import numpy as np
from scipy.stats import pearsonr
from sklearn.model_selection import StratifiedKFold
from sklearn.ensemble import RandomForestClassifier
import csv
tps = read_csv('E:\workfile\data\trade\tps.csv', header=0)
label = np.array(tps)[:, 0]
feature = np.array(tps)[:, 1:]
def RFErfe():
# 这里的算法可以换成其他
# lr = LinearRegression()
# 这里一开始选择的是不带正则化的LR
# 但是如果RFE采用的底层模型不稳定的话，RFE就是不稳定的
lr = Ridge(alpha=100000, fit_intercept=True, normalize=True,
copy_X=True, max_iter=1500, tol=1e-4, solver='auto')
# 这里不带交叉验证的部分
# estimator估计函数
rfe = RFE(estimator=lr, n_features_to_select=1)
rfe.fit(feature, label)
# 和传参对应，所选择的属性的个数
print(rfe.n_features_)
# 打印的是相应位置上属性的排名
print(rfe.ranking_)
# 属性选择的一种模糊表示，选择的是true，未选择的是false
print(rfe.support_)
# 第1个属相的排名
print(rfe.ranking_[1])
# 外部估计函数的相关信息
print(rfe.estimator_)
看一下RFE的输入参数：
estimator：估计函数，底层的回归模型。一个监督学习的估计函数，有fit方法，fit方法，通过coef_ 属性或者 feature_importances_ 属性来提供feature重要性的信息。
n_features_to_select : int or None (default=None)选择(最优)feature的数量，超出的部分按照关联性排序。如果选择None, 就选择一半的feature。
step：int or float, 可选(default=1)如果大于等于1，step对应于迭代过程中每次移除的属性的数量（integer）。如果是（0.0，1.0），就对应于每次移除的特征的比例，四舍五入。
可以调用的属性：
n_features_ : int所选特征的数量。
这是n_features_to_select=2时候的运行结果，可以看出来，两个部分的属性应该是最好的，超过的部分按照属性相关的强弱一次排序。
这是n_features_to_select=1时候的运行截图。
两相对比可以很清楚的看明白了。
support_ : array of shape [n_features]，[n_features]大小的array，所选特征的一种模糊的表示，可以看出来，打印结果就是true和false，最优的是true，别的是false。
ranking_ : array of shape [n_features]，[n_features]大小的array，特征的排序，比如 ranking_[i]表示的就是第i个特征的排名位置。估计最佳的属性被排为1.
由上图可以看出，第1个属性的排名是第9位。
estimator_ : object外部估计函数的相关信息。
-------------------------------------------------------------------------------------------------------------------上面说的是不带交叉验证的部分，下面讲一下带交叉验证的部分。--------------------------------------------------------------------------------------------------------
from sklearn.feature_selection import RFECV
from pandas import read_csv
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import KFold
tps = read_csv('E:\workfile\data\trade\tps.csv', header=0)
label = np.array(tps)[:, 0]
feature = np.array(tps)[:, 1:]
rfr = RandomForestRegressor()
rfecv = RFECV(estimator=rfr, cv=KFold(n_splits=2, random_state=1), scoring='neg_mean_squared_error')
rfecv.fit(feature, label)
print(rfecv.n_features_)
print(rfecv.ranking_)
这是运行结果。
按照惯例跟进去看一下源码。
传入参数：
estimator：和上面的一样。
step：和上面的一样。
cv：int，交叉验证的生成器或者迭代器。可选。
cv可选择的输入为：
-None，使用默认的3折交叉验证。
-integer，指定交叉验证的折数。
-一个object用作交叉验证的生成器。
-一种迭代的训练/测试集的分割。
对于None或者integer的输入。如果“y”是二分类或者多分类，就要用
class:sklearn.model_selection.StratifiedKFold
如果估计函数是一个分类器，或者“y”不是二分类也不是多分类，就要用
class:sklearn.model_selection.KFold
这里可以使用多种交叉验证的方法。
我这里使用的是回归的数据，因此可以知道使用的是KFold。
跟进去看一下KFold的源码。
n_splits : int, default=3，交叉验证的折数，默认3，最少是2。
shuffle : boolean, optional，可选。是否在分割成若干批次之前对数据进行洗牌。
random_state : int, RandomState 实例，或者None, optional, 可选default=None默认None。
如果是int, random_state是随机数生成器的种子。（指定一个，不指定的话每次结果都会不一样）
如果是RandomState 实例, random_state是随机数生成器。
如果是None,随机数是通过 RandomState 实例np.random生成的。此时shuffle == True.
scoring : string, callable（可调用的） or None, optional,可选的 default: None，默认：None，评分标准。一个string型（参考model evaluation documentation模型评估文档）或者一个可以调用的评分object/function
with signaturescorer(estimator, X, y).
可调用的属性：
n_features_ : int，通过交叉验证得到的特征选择的数量。
support_：和上面一样。
ranking_：和上面一样。
grid_scores_：array of shape [n_subsets_of_features]，交叉验证的分数，比如 grid_scores_[i] 第i个特征子集的CV分数。grid_scores_ is equal to ceil((n_features - 1) / step) + 1,
estimator_ :和上面一样。
