自动递归特征消除
现在让我们把这个递归过程自动化。请将递归特征消除器（RFE）包装在逻辑回归估计器外，并传入期望保留的特征数量。
所需的函数和包都已为您预加载，特征也已完成缩放。
本练习是课程的一部分
Python 中的降维
练习说明
- 使用
LogisticRegression()作为估计器创建 RFE，并设置选择 3 个特征。 - 打印各特征及其排名。
- 打印未被消除的特征。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the RFE with a LogisticRegression estimator and 3 features to select
rfe = ____(estimator=____, n_features_to_select=____, verbose=1)
# Fits the eliminator to the data
rfe.fit(X_train, y_train)
# Print the features and their ranking (high = dropped early on)
print(dict(zip(X.columns, rfe.____)))
# Print the features that are not eliminated
print(X.columns[rfe.____])
# Calculates the test set accuracy
acc = accuracy_score(y_test, rfe.predict(X_test))
print(f"{acc:.1%} accuracy on test set.")