方法：**过滤法、包装法、集成法**

过滤法、包装法和集成法是特征选择的三种常见方法。

1. 过滤法：
过滤法是一种基于特征本身的统计量来进行特征选择的方法。它通过计算每个特征与目标变量之间的相关性或者其他统计指标来评估特征的重要性，然后根据设定的阈值进行筛选。常见的过滤法包括方差过滤和互信息法。

2. 包装法：
包装法是一种通过训练模型来评估特征重要性的方法。它将特征选择看作是一个搜索问题，通过不断地选择和排除特征来优化模型的性能。包装法通常使用递归特征消除（Recursive Feature Elimination，RFE）算法或者基于模型的特征选择方法。

3. 集成法：
集成法是一种将多个特征选择方法结合起来的方法。它通过组合多个特征选择方法的结果，来得到更加稳定和准确的特征重要性评估。常见的集成法包括随机森林和梯度提升树。