使用python scikit-learn套装(引导)RFE

我想用python scikit-learn进行装袋.我想结合RFE(),递归特征选择算法.步骤如下.

制作30个子集,允许冗余选择(装袋)

为每个数据集执行RFE

获取每个分类的输出

从每个输出中找到前5个功能

我尝试使用BaggingClassifier方法,如下所示,但它花了很多时间,似乎无法正常工作.仅使用RFE可以正常工作(rfe.fit()).

cf1 = LinearSVC()
rfe = RFE(estimator=cf1)
bagging = BaggingClassifier(rfe, n_estimators=30)
bagging.fit(trainx, trainy)

此外,步骤4可能难以找到顶部特征,因为Bagging分类器不提供像RFE()中的ranking_的属性.还有其他一些好方法可以实现这4个步骤吗？