特徵選擇（Feature Selection）是一種數據預處理技術，旨在從一組給定的特徵中選出具有良好區分特性的特徵子集。
這個過程可以按照特定的準則進行，例如通過評價函式對每個原始特徵進行評分，並根據分值高低進行排序。特徵選擇的主要目的是剔除無關特徵和冗餘特徵，以提高學習算法的性能和模型的泛化能力，降低過擬合的風險。特徵選擇可以分為特徵子集選擇（Feature Subset Selection, FSS）和屬性選擇（Attribute Selection），這兩種方法都旨在從原始特徵中選擇出最有效的特徵子集，以降低數據集的維度。
此外，特徵選擇有時與特徵提取（Feature Extraction）聯合使用，後者是一種將數據從高維空間轉換到低維空間的變換，以達到降維的目的。以上是特徵選擇的基本定義和目的，希望對你有所幫助。