特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。自从上世纪90 年代以来, 特征选择得到广泛研究并应用于Web 文档处理（文本分类、文本检索、文本恢复等）、基因分析、药物诊断等领域。现在的社会是信息爆炸的社会, 越来越多、形式多样的数据出现在我们面前, 比如基因数据、数据流, 如何设计出更好的特征选择算法来满足社会的需求, 是一个长期的任务, 特征选择算法的研究在未来的一段时间仍将是机器学习等领域的研究热点问题之一。为了更深入了解相关概念，整合了本刊发表的特征选择方面的相关研究，共计10篇。制作了特征选择专辑，欢迎浏览。