我试图将SVR与RBF内核（显然）使用回归问题。我的数据集具有大约300个功能。我想选择更多相关的功能，并使用MATLAB的顺序F函数之类的东西，它将尝试所有组合（或者无论如何从几个变量开始，并在路上添加变量，或者相反，向后移动，例如Scikit的RFE或RFECV，））。
如前所述，现在，对于Python来说，有RFE，但我无法将其与非线性估计器一起使用。我不知道什么可以允许我将RFE与非线性估计器一起使用？我想编写一种可以做到这一点的算法并不困难，但是如果已经有一些事情可以完成工作，那绝对会更好。
一如既往地感谢您;）
rfe必须具有确定功能重要性的方法，而RBF内核SVM不提供。从快速浏览原始算法，我给人的印象是，内核SVM的实现必须集成到SVM学习算法中。
逐步（向前或向后）功能选择易于实现，但不能作为Scikit-Learn中的预估算器可用。