Scikit LDA在RFECV中的使用

Question

我正在使用递归特征排名函数i scikit-learn（http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.RFECV.html#sklearn.feature_selection.RFECV）。但是，我想使用 LDA 分类器作为估计器。我有这个代码：

X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
estimator = LDA()
#selector = RFE(estimator,5,step = 1)
selector = RFECV(estimator, cv = 5,step = 1)
selector=selector.fit(X,y)
print selector.support_
print selector.ranking_

当我执行此代码时，我收到一个错误。如果我使用 RFE 执行相同的代码，那没关系。或者，如果我使用 SVR 分类器，它可以正常工作。我的问题是，当我调用方法 LDA（） 时，我是否得到了一个分类器。RFECV 将使用"估计器"中的分类器对特征进行排名。LDA有什么问题？

Answer 1

从文档中：

sklearn.datasets.make_friedman1 ： 生成"弗里德曼 #1"回归问题

（着重号后加）

您不能明智地在回归问题上使用分类器。SVR之所以有效，是因为它不是分类器学习器，而是回归学习器。