Seleksi fitur (juga dikenal sebagai pemilihan subset fitur) adalah proses dalam ilmu komputer dan ilmu data dalam memilih subset fitur yang relevan (variabel, prediktor) untuk digunakan dalam konstruksi model. Algoritme pemilihan fitur mencari dan memilih fitur yang paling relevan dalam kumpulan data untuk membuat model yang memprediksi hasilnya secara akurat. Pemilihan fitur digunakan untuk mengurangi dimensi kumpulan data, menghilangkan data atau gangguan yang tidak relevan, dan untuk meningkatkan akurasi dan efisiensi komputasi suatu model.
Algoritme pemilihan fitur biasanya digunakan dalam berbagai aplikasi intensif data, seperti pembelajaran mesin, penambangan data, pemrosesan gambar, dan pengenalan pola. Algoritme dapat dibagi menjadi dua kategori utama: metode filter dan metode pembungkus. Metode filter memilih fitur berdasarkan skor statistik individualnya, seperti Chi-kuadrat, perolehan informasi, atau koefisien korelasi. Metode wrapper mengevaluasi fitur sebagai kombinasi dan membandingkan model dengan kombinasi fitur berbeda untuk mengoptimalkan kriteria evaluasi dari serangkaian fitur yang telah ditentukan sebelumnya.
Jenis algoritma pemilihan fitur yang dipilih bergantung pada masalah yang dihadapi. Misalnya, metode berbasis korelasi sering digunakan untuk kumpulan data numerik yang berkesinambungan; sedangkan metode teori informasi dapat digunakan untuk data diskrit.
Secara keseluruhan, teknik pemilihan fitur dapat digunakan untuk memilih fitur terbaik dari sekumpulan variabel atau fitur yang terus bervariasi dalam kumpulan data dan menggunakannya dalam pembuatan model pembelajaran mesin. Hal ini membantu meningkatkan performa model dengan mengurangi dimensi kumpulan data, dan dengan menghilangkan data atau gangguan yang tidak relevan.
