当我们在训练模型时，其中一个很重要的部分是训练模型的参数，也就是模型中各个特征的值，不同的模型具有不同的特征组合，因此对于特征的选择也就对应了模型的选择。举个文本分类的例子，在文本分类的任务中，特征数量p远大于训练样本数n，而我们又知道特征里面有很大一部分是和类别无关的，因此我们就会想到用特征选择来把与类别相关的特征选出来。对于p个特征，会出现2p种特征的组合，也就对应了2p个模型，我们只要选择一种特征组合，也就选择了一个模型。
关于特征选择，下面介绍三种方法。
Filter类
这种方法计算每一个特征与类别的相关度，并获得一个得分。得分高的特征表明其与类别的关系越强。最后将所有特征按得分高低排序，选择得分高的特征。
Filter类的典型代表就是信息增益（或者信息增益率）。通过计算特征的信息增益，将信息增益较高的特征选出。具体的做法是，首先为每个特征计算信息增益，并将其作为特征的得分，然后选择得分较高的前k个特征作为选择的特征。关于k的值如何选择，可以采取交叉验证的方式。
从上面看出，Filter类的特征选择只需做简单的统计，计算复杂度低。但这种方法的问题是没有考虑特征之间的组合关系，有可能某一个特征的分类能力很差，但是它和某些其它特征组合起来会得到不错的效果。
Wrapper类
假如有p个特征，那么就会有2p种特征组合，每种组合对应了一个模型。Wrapper类方法的思想是枚举出所有可能的情况，从中选取最好的特征组合。
这种方式的问题是：由于每种特征组合都需要训练一次模型，而训练模型的代价实际上是很大的，如果p非常大，那么上述方式显然不具有可操作性。下面介绍两种优化的方法：forward search（前向搜索）和backward search（后向搜索）。
forward search初始时假设已选特征的集合为空集，算法采取贪心的方式逐步扩充该集合，直到该集合的特征数达到一个阈值，该阈值可以预先设定，也可以通过交叉验证获得。算法的伪码如下：
注：上面的算法描述摘自Andrew NG的机器学习课程的课件。
对于算法的外重循环，当F中包含所有特征时或者F中的特征数达到了阈值，则循环结束，算法最后选出在整个搜索过程中最优的特征集合。
backward search初始时假设已选特征集合F为特征的全集，算法每次删除一个特征，直到F的特征数达到指定的阈值或者F被删空。该算法在选择删除哪一个特征时和forward search在选择一个特征加入F时是一样的做法。
Wrapper类的特征选择方式考虑了特征之间的组合情况，它的效果很好，弥补了Filter类的不足。但是Wrapper类的缺点是计算量太大，即便是做了改进的forward search 和backward search其时间复杂度也是O（p2），当p很大时也是一笔不小的开销。
折中类
对于上面的filter类和wrapper类，各自都有自己的优点和缺点，那么我们能不能取一种折中的方法来进行特征选择呢？也就是时间复杂度较低，并且也考虑特征之间的组合关系。
我们知道L1正则化自带特征选择的功能，它倾向于留下相关特征而删除无关特征。
比如在文本分类中，我们不再需要进行显示的特征选择这一步，而是直接将所有特征扔进带有L1正则化的模型里，由模型的训练过程来进行特征的选择。
这里需要说明的是，该类方法只是wrapper类和filter类的一个折中，它的时间复杂度或者训练模型的次数要远远低于wrapper类，但其特征选择的效果没有wrapper类好；同样，它的时间复杂度要高于filter类，但特征选择效果却好于filter类。
注意，在用L1做特征选择时需要结合实际情况，不能一味的按照理论照搬，理论和实践还是有所差距的，具体的关于L1做特征选择的详细描述请参见博文： http://www.jb51.cc/article/p-ojmuodor-hu.html。