为什么我必须在 SBS scikit-learn 中选择特征数量？

Question

我在多个网站上看到了 SBS 的解释，例如 (https://www.analyticsvidhya.com/blog/2016/12/introduction-to-feature-selection-methods-with-an-example-or-how-to-select-the-right-variables/)，其中指出：

• 在反向消除中，我们从所有特征开始，并在每次迭代中移除最不重要的特征，从而提高模型的性能。我们重复此操作，直到在移除特征时没有观察到任何改进。

我想知道为什么我必须选择要在 scikit 包中选择的功能数量？当模型不再改进时，SBS 是否应该停止选择特征？

我错过了什么吗？

Answer 1

为此有一个拉取请求：https://github.com/scikit-learn/scikit-learn/pull/20145。 （另请参阅链接的 Issue#20137。）