特征选择的优化老问题了，精度一高，维度就上来了，真头大。

基于复杂网络的节点重要度和遗传算法搭配用，这思路还蛮新鲜的。简单说就是把每个特征看成网络里的一个节点，用互信息来连边，判断哪个节点“重要”，再让遗传算法来帮你挑出最优子集。

比起直接暴力筛特征，这套方法考虑了全局冗余，就不是简单看看信息量大小，而是从整体结构上看你哪些特征真有用，哪些只是凑热闹的。

我试了一下，跑出来的子集还挺精干的，维度降了不少，分类精度也没掉，甚至还提升了。对那种维度高、冗余特征多的任务还挺友好，比如文本分类、多传感器数据啥的。

哦对了，互信息相关的工具推荐几个给你，MATLAB上也有不少实现，直接拿来改就行。如果你要自定义算法，还能看看复杂网络那块的图结构。

如果你对传统特征选择效果不满意，不妨一试，代码也不复杂，主干结构一眼就懂，响应也快。记得跑遗传算法时，种群数量和迭代次数别设太小，不然选不出好解。