RFECV网格核心中的数字是否与所选特征相等

Question

我正在寻求RFECV中与selector.grid_scores_相关的数字的一些清晰度。

我使用了以下内容：

from sklearn.feature_selection import RFECV
estimator_RFECV = ExtraTreesClassifier(random_state=0)
estimator_RFECV = RFECV(estimator_RFECV, min_features_to_select = 20, step=1, cv=5, scoring='accuracy', verbose=1, n_jobs=-1)
estimator_RFECV = estimator_RFECV.fit(X_train, y_train)

使用estimator_RFECV.ranking_，通过CV选择了27个特征，然而，当我查看estimator_RFECV.grid_scores_时，在27，这里的值(精度(不是最高的。我对grid_scores_的解释是否不正确，我不应该期望27具有最高的准确性？

Answer 1

1. 这里，estimator_RFECV.ranking_会给你一个特征排名的数组，使得ranking_[i]对应于第i个特征的排名位置。选定的(即，估计的最佳(特征被分配等级1，等级2的特征将不如等级1重要，依此类推

所以estimator_RFECV.ranking_会给我们特征的排名，或者我们可以说特征的重要性。

2. 但是，估计器_RFECV.grid_scores将根据评分指标、min_features_to_select和可用功能的最大数量为我们提供阵列。在上述情况下，它应该包含8个元素，每个元素代表具有顶部X特征的精度，其中X属于20到27

是的，特征数量较少的模型总是有可能具有更高的精度，因为我们可能认为一些特征是不相关的。

此外，官方文件中的RFECV文件链接可能会有所帮助。