主要使用sklearn.feature_selection的SelectFromModel类。
    案例摘自官网：https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.SelectFromModel.html#sklearn.feature_selection.SelectFromModel

    1. from sklearn.feature_selection import SelectFromModel
    2. from sklearn.linear_model import LogisticRegression
    3. X = [[ 0.87, -1.34,  0.31 ],
    4.      [-2.79, -0.02, -0.85 ],
    5.      [-1.34, -0.48, -2.55 ],
    6.      [ 1.92,  1.48,  0.65 ]]
    7. y = [0, 1, 0, 1]
    8. selector = SelectFromModel(estimator=LogisticRegression()).fit(X, y)
    10. selector.estimator_.coef_
    11. >>> array([[-0.3252302 ,  0.83462377,  0.49750423]])
    13. selector.threshold_
    14. >>> 0.55245...
    16. selector.get_support()
    17. >>> array([False,  True, False])
    19. selector.transform(X)
    20. >>> array([[-1.34],
    21.            [-0.02],
    22.            [-0.48],
    23.            [ 1.48]])

    很简单地就能得到哪个特征是较为重要的特征。
    主要的参数：
    estimator：估计器需要有feature_importances_ or coef_属性
    threshold：阈值
    max_features：最大特征数

    结合各种集成树模型是个很不错的选择。