特征选择的三种方法，后面会完善详细的算法

特征选择方法大致分为三类：过滤式(filter)、包裹式(wrapper)和嵌入式(embedding)

过滤式：先对数据集进行特征选择，然后再训练学习器，特征选择过程与后续学习过程无关，比较著名的是relief(relevant features)方法

包裹式：包裹式特征选择直接把最终将要使用的模型性能作为特征子集的评价准则。因此他比过滤式选择要好，但是因为在特征选择过程中要多次训练学习器，因此开销通常要比过滤式大得多，比较典型的是lvw法

嵌入式：嵌入式特征选择是将特征选择过程与学习器训练过程融为一体，两者在同一个过程中完成