关于特征选择的问题，如何解决？(语言-python)

我受不了了 rfecv拿过来做特征筛选 放的是svm linear就可以用 换成rbf就报错
f"when importance_getter=='auto', the underlying "
ValueError: when importance_getter=='auto', the underlying estimator SVC should have coef_ or feature_importances_ attribute. Either pass a fitted estimator to feature selector or call fit before calling transform.

我的问题第一个是为什么会出现这种情况
第二个问题是importance——getter有几种参数
第三个问题是svc好像没有coef——和feature——importances

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7674804
• 这篇博客也不错, 你可以看下纯小白Python爬取东方财富网研报内容并通过机器学习的SVM模型进行文本分析（四）
• 除此之外, 这篇博客: 基于Python的SVM算法深入研究中的 （一）非标准化原始数据显示 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  Python代码

  import numpy as np
  import matplotlib.pyplot as plt
  
  from sklearn import datasets
  from sklearn.preprocessing import StandardScaler
  from sklearn.svm import LinearSVC
  
  iris = datasets.load_iris()
  
  X = iris.data
  y = iris.target
  
  X = X [y<2,:2] #只取y<2的类别，也就是0 1 并且只取前两个特征
  y = y[y<2] # 只取y<2的类别
  
  # 分别画出类别0和1的点
  plt.scatter(X[y==0,0],X[y==0,1],color='red') 
  plt.scatter(X[y==1,0],X[y==1,1],color='blue')
  plt.show()
  
  # 标准化
  standardScaler = StandardScaler()
  
  standardScaler.fit(X) #计算训练数据的均值和方差
  X_standard = standardScaler.transform(X) #再用scaler中的均值和方差来转换X，使X标准化
  
  svc = LinearSVC(C=1e9) #线性SVM分类器
  svc.fit(X_standard,y) # 训练svm
  

  数据显示结果
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^