【摘要】特征筛选是超高维数据处理过程中非常重要的一环,筛选降维的准确性直接影响到后续的数据建模分析。文章针对卡方统计特征筛选方法(PC-SIS)的不足之处,对其进行改进,提出适用于超高维无模型假设下判别分类数据的似然比统计特征筛选方法(LR-SIS),从理论上证明了LR-SIS方法具有确定性筛选性质,并通过蒙特卡洛数值模拟和亚马逊网站电影评论文本数据验证了LR-SIS方法的有限样本性质。