1. filter
   person相关系数 熵 信息增益 acc2 单特征auc 等
2. wrapper
   从添加这个特征后模型最终的表现来评估特征的好坏。wrapper方法需要选定一种评估模型效果的指标如AUC，MAE，MSE。 暴力搜索的方式计算资源消耗巨大； 通过前后特征选择和后向特征选择这样的贪心策略更为大家平常所用 前向选择和后向选择一次可以选取多个特征
3. embedded 在模型训练过程中完成特征的选择，例如
   1. 决策树算法每次都优先选择分类能力最强的特征
   2. 逻辑回归算法的优化目标函数在log likelihood的基础上加上对权重的L1或L2等惩罚项后也会让信号弱的特征权重很小甚至为0