稳定性选择-兼容scikit-learn的稳定性选择实现 稳定性选择是稳定性选择特征选择算法的Python实现，最早由提出。 稳定性选择的思想是通过生成数据的自举样本，将更多的噪声注入原始问题，并使用基本特征选择算法（例如LASSO）来找出哪些特征在每个采样版本的数据中都很重要。 然后汇总每个自举样本的结果，以计算数据中每个特征的稳定性得分。 然后可以通过为稳定性评分选择合适的阈值来选择特征。 安装 要安装模块，请克隆存储库 git clone https://github.com/scik