我正在Matlab中实现递归特征消除（RFE）算法，并且遇到以下算法问题：
使用RFE，我想绘制用于分类与分类精度的特征数量。现在说我有5个功能，我根据线性分类器赋予它们的权重对其进行排名（例如线性SVM）。哪种方法是正确的：
根据火车组k对特征进行排名，然后根据此特定排名，计算在{1，...，5}特征中使用n的准确性（因此，基于同一火车组的排名对准确性进行5次计算）
要么
根据训练集对要素进行排名，计算n个要素的准确性，根据下一个训练对再次对要素进行排名，现在计算前n + 1个要素的准确性
在我看来1是正确的，因为使用相同的火车集来计算1，...，5个特征的精度，这使其具有可比性-对吗？
最佳答案
特征可能对不同的数据集具有不同的影响。因此，由于您要比较某些功能，因此我建议您实施第一种方法，该方法使用相同的训练集。
但是，我不确定要绘制的图形是否有意义，以及是否与递归特征消除有关。如果要绘制特征数量与分类精度的关系图，则需要实现各种特征集并评估模型。例如，如果您具有3个特征f1，f2和f3，则需要生成7个特征集；例如，
f1, f2, f3
f1, f2
f1, f3
f2, f3
f1
f2
f3