线性回归Pipeline中使用RFECV的疑问：n_features_in_为何返回总特征数

一、Pipeline工作流程的理解确认 #

你的理解是正确的。Pipeline在执行fit时会严格按步骤顺序处理：

• 第一步：RFECV先对输入的X_train进行拟合，通过内部交叉验证确定最优特征子集，完成特征筛选转换；
• 第二步：将筛选后的特征矩阵传入后续的LinearRegression，完成模型训练。

二、现象原因解析 #

1. pipeline.n_features_in_返回215的原因 #

pipeline.n_features_in_的含义是整个Pipeline接收的原始输入特征数量，也就是你传入的训练集总特征数215，这是正常属性，和特征选择是否生效无关。
要查看RFECV实际筛选后的特征数量，需要访问Pipeline中RFECV组件的属性：

print(pipeline.named_steps['s'].n_features_)

这个值才是RFECV最终选定的特征数，对比单独运行时的6，就能确认特征选择是否在Pipeline中正常执行。

2. 预测分数与未做特征选择的线性回归无差异的可能原因 #

• 交叉验证划分不一致：单独运行RFECV时用全量数据(X,y)做交叉验证，而Pipeline中RFECV仅在X_train上做交叉验证选特征。如果两次的交叉验证折数/划分逻辑不同，可能导致Pipeline中的RFECV最终选择的特征数不是6（甚至保留全特征），此时模型效果自然和未筛选的线性回归一致。
• 评估用的是训练集分数：线性回归对训练数据的拟合能力很强，全特征和筛选后特征在训练集上的分数可能差异极小。换成测试集分数对比，通常能看到明显差异。
• 特征高度冗余：若215个特征中存在大量高度共线性的冗余特征，RFECV筛选掉的只是冗余部分，核心特征已足够拟合数据，此时筛选前后的模型预测能力（尤其是测试集）差异不大。

内容的提问来源于stack exchange，提问作者user15345826