Esta clase requiere ser instanciada pasando como argumentos el modelo que va a asignar los resultados a cada característica y el número de características a extraer. Dando por sentado que ya hemos cargado el dataset wine, comenzamos importando la clase RFE:
Como modelo podemos usar RandomForestClassifier:
Ahora instanciamos la clase RFE indicando que queremos extraer 5 características y que la eliminación de éstas se hará de una en una (el valor del parámetro step es 1 por defecto, por lo que, en este caso, no sería imprescindible indicarlo):
Lo entrenamos pasando las estructuras X e y conteniendo las características predictivas y la variable objetivo:
Podemos visualizar el ranking dado a las características (un valor menor indica mejores resultados obtenidos):
El método .get_support() nos devuelve un array de booleanos indicando si la característica en cuestión ha sido o no seleccionada:
True, False, False, True])
Por último, podemos acceder a los nombres de las características que se han seleccionado usando el método .get_feature_names_out():
dtype=object)
