随着大数据时代的到来,如何快速处理数据并从中发掘有用的信息成为目前急需解决的问题。特征选择作为机器学习和数据挖掘领域的一个重要的预处理步骤,越来越受到学者们的关注,而算法已经不是处理海量数据的瓶颈。近年来,许多研究表明无关特征与冗余特征大大的影响了机器学习算法的准确性和运行效率,因此需要选择合适的特征选择算法,才能从海量数据中选择最有效的特征,更加高效地为机器学习算法服务。本文主要对机器学习中的两阶段特征选择方法进行研究,从高维特征中选择最有利于机器学习算法的特征,提高算法效率,降低运行时间。本文的研究内容主要分为如下几个部分:首先,从特征选择的分类出发,根据特征选择方法对机器学习算法的依赖关系,可以将其分为Filter模型和Wrapper模型。Filter模型具有快速高效、使用范围广的特点,可以对不相关特征进行检测和删除;Wrapper模型具有准确率高、生成特征子集较优的特点,可以得到较小的不含冗余特征的子集。根据两种特征选择模型各自的优点,可以采用两阶段的特征选择方法。其次,对于高维的二值数据,针对其只包含有0和1两种数值的特点,定义了差异标准值作为特征与类别相关程度的度量。相比于传统的方法,这种分析方法提高了相关性分析的效率。再次,对于冗余特征的检测,从相关性分析的角度出发,提出了基于最大信息系数的非线性相关性分析方法,可以定量地衡量出特征和特征之间非线性关系,使得最终获得的子集维数进一步降低。通过主成分分析法进行降维,在一定程度上也可以减少冗余特征。最后,基于最大相关最小冗余的理论,提出了两种特征选择方法。一种是针对0-1二值数据的特征选择方法,通过差异标准值和马尔科夫毯模型对无关特征和冗余特征进行删除。另一种是利用均衡增益值和最大信息系数的两阶段方法,得到最优特征子集。