特征选择是选择特征子集的过程，通常被用于共建模型，其优点主要有以下几点：

• 简化模型；
• 缩短训练时间；
• 改善通用性、降低过拟合

特征选择算法可被看作搜索技术、评价指标的结合，前者提供候选的新特征子集，后者为不同的特征子集打分。最简单的算是测试每个子集，并找到错误率最低的子集。这种算法需要穷举搜索空间，由于难以完成所有特征集计算，因此只能涵盖较少部分特征子集，且对算法的影响较大。

通过不同的评价指标，可将特征选择算法分为三类：包装类、过滤类和嵌入类

参考来源

【1】特征选择（维基百科）