结合领域专业知识和相关任务要求对高维特征进行特征的筛选，可以选出需要的特征来进行后续模型的训练等步骤。

常用的特征筛选方法有：

（1）方差选择法：该方法是通过计算每一列特征的方差，并根据设定的阅值来判段是否需要保留或者删除特征变量。如果某一列特征的方差很小，那么认为该列特征中所有数据几乎是没有变化的，这些无变化的数据对模型的训练没有任何意义，因此需要进行删除。

（2）树模型选择法：该方法是基于树模型（如XGBoost，RF）来进行特征选择，通过计算信息增益来给每个特征的重要度进行打分，从而可以选择出重要性高的特征、

（3）递归特征消除法：该方法通过选择一个基模型（如SVM、LR），并利用数据集对其进行多轮训练，每轮训练结束后，删除权重较低的特征，再进入下一轮次的训练，重复这个过程，直到剩余的特征数量与预先设定的特征数量一致。