在RFECV中准确度的值完全相同

在RFECV中，准确度的值完全相同意味着在递归特征消除交叉验证（Recursive Feature Elimination with Cross-Validation, RFECV）过程中，特征子集的大小变化对模型的准确度没有影响。RFECV是一种特征选择算法，它通过反复构建模型并剔除最不重要的特征来确定最佳的特征子集。

准确度的值完全相同可能有以下几种原因：

1. 特征子集的大小对模型的准确度没有明显的影响：RFECV通过反复剔除最不重要的特征来减小特征子集的大小，如果剔除任意数量的特征都不会显著影响模型的准确度，那么准确度的值就会保持不变。
2. 数据集本身特征相关性较低：如果数据集中的特征之间相关性较低，即使剔除一些特征，也不会对模型的准确度产生明显影响。
3. 模型选择不敏感：某些模型对于特征子集的大小变化不敏感，即使剔除一些特征，也不会对模型的准确度产生明显影响。

根据这个问答内容，我推荐腾讯云的机器学习平台PAI（https://cloud.tencent.com/product/pai）作为云计算中进行机器学习相关任务的解决方案。PAI提供了丰富的机器学习算法和工具，可以方便地进行特征选择和模型训练，以优化准确度和性能。同时，PAI还提供了自动化的特征工程和模型调优功能，帮助用户快速构建高性能的机器学习模型。