Python sklearn.feature_选择和RFECV

共有914行*191列，例如：

import pandas as pd
from sklearn.cross_validation import StratifiedKFold
from sklearn.feature_selection import SelectPercentile

a = pd.read_csv('NCAA_2003-2016_with_diff.csv')

logreg = lm.LogisticRegression()

rfecv = RFECV(estimator=logreg, cv=10, scoring='?')

这意味着还有其他的“x”，我试图选择最有效的变量来预测结果

---

如何编写for循环来实现这一点？

澄清一下，“x”是您的功能吗？您想知道如何进行功能选择吗？“df”来自哪里？你需要更多地描述数据以及你想要做什么？x是特征，y是响应变量，我想从我的数据集中的100多个特征中选择几个特征，基于回归模型，测量可以是“均方误差”或“f-分数”，我现在澄清了吗？

x = df[['diff_dist','team1_log5','tpp','orp','tempo','efg','ftr','blk']]
y = df[['result']]