不是对所有特征进行遍历，而是通过模型训练找出度量参数比较小的特征删除

正确答案是：C: 递归特征消除法就是对所有特征进行遍历删除不符合条件的，保留符合条件的。

专业分析：

递归特征消除法（Recursive Feature Elimination, RFE）是一种特征选择方法，它通过递归地训练模型并消除特征来选择最重要的特征。具体来说，RFE的步骤如下：

1. 使用一个基模型（如线性回归、支持向量机等）对所有特征进行训练。
2. 根据模型的权重或系数，评估每个特征的重要性。
3. 删除若干个最不重要的特征。
4. 使用剩下的特征重新训练模型。
5. 重复上述步骤，直到达到预定的特征数量或其他停止条件。

从上述过程可以看出，选项C的描述是错误的，因为RFE并不是简单地遍历删除不符合条件的特征，而是基于模型的权重或系数来评估和删除特征。

其他选项的分析：
A: 递归消除特征法使用一个基模型来进行多轮训练，每轮训练后，消除若干权值系数的特征，再基于新的特征集进行下一轮训练。这是正确的描述，符合RFE的工作原理。

B: RFE的稳定性很大程度上取决于迭代时底层用的哪种模型。这是正确的，因为不同的基模型对特征重要性的评估方式不同，从而影响RFE的结果和稳定性。

D: 如果在迭代时使用未正则化的LR模型，那么递归特征消除法也是不稳定的。这是正确的，因为未正则化的线性回归模型在面对多重共线性时可能会产生不稳定的系数，从而影响RFE的稳定性。

综上所述，正确答案是C。