过滤式选择（filter selection），理学-计算机科学技术-人工智能-机器学习-特征学习-特征选择，特征选择的一类方法。过滤式特征选择方法先对数据进行特征选择，然后再训练学习器，特征选择过程和后续学习器无关。这相当于先用特征选择过程对初始特征进行“过滤”，再用过滤后的特征来训练模型。过滤式特征选择方法主要依赖于特征之间的相关性等一般性的特征属性，滤除最不相关的特征。这一类方法在计算时间上十分高效，并且对过拟合十分鲁棒。过滤式特征选择一般作为一种预处理方法使用。其代表性方法有Relief（relevant features）方法。