ScikitLearn在RFECV（）中手动指定.max_features有多少个功能得到排名？

Question

我在Python中遵循这个Scikit-Learn example从森林估计器获得{}。在该示例中，ExtraTreesClassifier()与默认值一起使用 超参数设置-这意味着max_features='auto'。这个例子的输出是10个特性的重要性图。

问题1:

当我用max_features=2重新运行这个示例时，该图仍然显示了所有10个特性的重要特性。是否应该只显示两个功能的重要性？

问题2:

现在，我想将ExtraTreesClassifier(max_features=2)与RFECV()一起使用。从RFECV() docs来看，它表示RFECV()为最好的特征分配了一个排名1的秩-我们可以在RFECV()的.ranking_属性中看到这一点。但是，如果我将估计器指定为ExtraTreesClassifier(max_features=2)，那么{}在它的估计器中使用2个特征并且只返回2个特征的秩吗？还是忽略max_features并返回所有特性的等级？

Answer 1

max_features指定在确定树的节点中哪一个特征提供了最佳分割时，学习算法将查看多少个特征。为每个节点随机选择特征。所以决策树仍然使用所有的特征。这只是一种加速学习的方法。在