嵌入式方法（embedded methods），理学-计算机科学技术-计算机应用-多媒体计算-模式识别-线性特征提取-特征选择，特征选择的一类方法。此类方法结合了过滤方法和包装器方法的特点，在指定的模式识别算法中，基于训练数据，将特征对模型预测结果的重要程度（importance）作为特征选择的准则，通过抑制或移除非重要的特征来完成特征选择，同时得到的模型可以用于后续的模式识别任务中。由于此类方法不能和对应算法的学习过程进行分离，因而得名。由于融合了其他特征选择方法的特点，嵌入式方法在计算开销和特征选择性能之间取得了一定的平衡，可以处理特征维数较高的大规模特征选择问题，同时具有较好的性能；但是嵌入式方法依赖于指定的模式识别算法，因此其泛用性逊色于过滤方法。对嵌入式特征选择方法的研究可以追溯到数学和统计中的正则化方法。1970年，A.E.霍尔（Hoerl）和 R.W.肯纳德（Kennard）提出了岭回归（又称脊回归，ridge regression）方法。