针对高维数据中弱相关特征的消除和有价值特征的识别问题, 提出一种递归消除—决策树特征选择算 法, 以提高高维数据分类性能。为了验证该算法的有效性, 从 UCI 数据库中选择了电离层、胶质瘤和恶意软 件 3 个数据集, 通过探索无特征选取、递归消除、决策树和混合算法递归消除—决策树 4 种特征选择方法, 并 分别和逻辑回归、随机森林、支持向量机、线性回归不同分类器组合进行实验。实验结果表明, 对给定的数 据集及 4 种分类器, 递归消除—决策树算法在准确率、召回率等意义下均优于无特征选取、递归消除及决策 树特征选择算法, 与此同时, 随机森林方法在所有实验组中表现最好。