经过特征选择后的特征分类，knn分类器，svm分类器，NB分类器

代码记录

经过特征选择之后选出的特征，x矩阵是一个二进制矩阵，值为1表示选中该特征，值为0表示未选中。

将选择的特征提取出来之后，通过训练集和测试集对所选特征进行一个评估（所用分类器knn、svm、NB）。

#验证集预测值
def get_Pre(x):   # x 为m*n的一个二进制矩阵数据，行为样本，列为特征
    d_1 = sum(x == 1)
    #print("选择特征数：",d_1)
    # 从特征向量x中提取出相应的特征
    Feature = np.zeros(d_1)  # 数组Feature用来存 x选择的是哪d个特征
    k = 0
    for i in range(M):
        if x[i] == 1:
            Feature[k] = i  # 选中的索引值
            k += 1
    #训练数据
    select_feature_train = np.zeros((train_num, 1))  #train_num为训练集中样本个数
    for i in range(d_1):
        p = Feature[i]
        p = p.astype(int)
        q = X_train[:, p]  # 取出所有样本的第p列（也就是选出那个特征列）
        q = q.reshape(train_num, 1)
        select_feature_train = np.append(select_feature_train, q, axis=1)
    select_feature_train = np.delete(select_feature_train, 0, axis=1)  # 删除第0列