插入符号通过插入符号SBF和符号函数提供嵌套功能选择的函数。
cartesBF：用于按筛选进行选择
lmSBF
rfSBF
treebagSBF
ldaSBF
nbSBF
carteFuncs：用于递归功能选择--（我认为只是出于历史原因，carteFuncs不被称为carteRFE？）
lmFuncs
rfFuncs
treebagFuncs
ldaFuncs
nbFuncs
gamFuncs
lrFuncs
为什么这个帮助函数列表比插入符号的完整模型列表要有限得多？例如，对于glmnet的弹性网方法、kernlab的svm方法等，还没有专门的特征选择方法。
是因为：
- 这些其他模型与通用大小写函数（即cartesBF和carteFuncs）配合良好？-尽管我在试图让glmnet使用cartesBF时遇到了麻烦
- 这些其他型号在功能选择方面不需要"额外帮助"？-我想像弹性网这样的方法被认为可以很好地进行特征选择，但像SVM这样的其他方法肯定不能
- 包维护人员只是没有抽出时间为其他方法编写专门的函数？-在这种情况下，社区可以/应该贡献这些帮助功能吗
感谢您的阅读，并感谢caret包维护人员所做的出色工作。
它是#2和#3的组合。对于隐式进行特征选择的模型（例如rpart、glmnet等）来说，这是没有意义的。此外，我还没有时间扩展列表（但代码提交总是受欢迎的）。
最大