如何从RFE Pipeline中获取support_属性及保留的特征名称？

你当前访问的是未经拟合的原始Pipeline模板中的RFE对象，support_是RFE执行fit()完成特征选择后才会生成的属性，未训练的RFE实例自然不存在该属性。
RandomizedSearchCV在参数搜索过程中会反复克隆你传入的原始rf_clf_pl管道做交叉验证训练，搜索完成后最优参数下拟合完成的完整管道存储在rs.best_estimator_属性中，你直接读取原始未训练的rf_clf_pl当然拿不到训练结果。
另外你的代码存在一处导入笔误需要修正：sklearn.esemble_learning是错误模块路径，正确导入语句为from sklearn.ensemble import RandomForestClassifier，否则会先触发导入报错。

按如下步骤操作即可：

• 从训练完成的随机搜索对象中取出最优拟合管道

best_pipeline = rs.best_estimator_

• 从最优管道中取出已拟合完成的RFE对象，读取特征选择布尔掩码

fitted_rfe = best_pipeline.named_steps["rfe"]
selected_mask = fitted_rfe.support_

• 匹配原始特征名，得到RFE最终保留的特征列表
  若训练特征smote_X_train为pandas DataFrame格式，直接用掩码筛选列名即可：

  selected_feature_names = smote_X_train.columns[selected_mask].tolist()
  

  若训练特征为numpy数组格式，提前按输入顺序保存原始特征名列表，再用相同掩码做筛选即可。

内容的提问来源于stack exchange，提问作者Zero