Binarizer是特征二值化的API，不能用于特征选择

正确答案是：D: Binarizer。

**分析：**

在sklearn中，特征选择（Feature Selection）是一个非常重要的步骤，用于选择最具代表性的特征，以提高模型的性能和可解释性。以下是选项中各个API的详细分析：

A: RFE（Recursive Feature Elimination）
- RFE是一种递归特征消除方法，通过递归地训练模型并删除最不重要的特征，直到剩下所需数量的特征为止。它是一种常见的特征选择方法。

B: SelectFromModel
- SelectFromModel使用一个基于模型的方法来选择特征。通常是通过训练一个模型（如线性回归、决策树等），然后根据特征的重要性（如系数、特征重要性等）来选择特征。

C: SelectKBest
- SelectKBest是通过统计检验来选择特征的。它根据每个特征的评分来选择前K个最好的特征。

D: Binarizer
- Binarizer是一个预处理工具，用于将数据特征二值化（即将特征值转换为0或1）。它不是用于特征选择的，而是用于数据预处理。

综上所述，D: Binarizer不属于用于特征选择的API。