多变量时间序列，选择最具表现力的序列，并消除递归特征

问：

我正在模拟一个包含 32 个样本、3 个特征、100 个时间步长和 5 个类的数据集。我想在 3 个功能中选择最好的，我正在尝试使用 sklearn 的递归功能消除。 我使用的代码如下

import numpy as np
import numpy as np
from sklearn.datasets import make_friedman1
from sklearn.feature_selection import RFE
from sklearn.svm import SVR


n_samples = 32
n_timesteps = 100
n_features = 3
n_classes = 5  # Replace with the number of classes in your classification problem

X = np.random.rand(n_samples, n_timesteps, n_features)
y = np.random.randint(0, n_classes, size=n_samples)

#X, y = make_friedman1(n_samples=50, n_features=10, random_state=0)
estimator = SVR(kernel="linear")
selector = RFE(estimator, n_features_to_select=1, step=1)
selector = selector.fit(X, y)
print("Iam here",selector.support_)
print("Sono qua",selector.ranking_)

这段代码给了我一个错误，因为 RFE 无法作为输入张量，相反，如果我不理解，它想要一个 2D 数组。

有人知道如何选择时间序列数据集的最佳特征？