在对高维数据应用分类技术时，由于大量的属性需要大量的计算资源，并且包含与响应变量完全无关的特征，因此难以使用，我们可能无法得到令人满意的结果出于实用目的。 为了解决这个问题，使用群体智能算法来选择最好的分类特征。 在本文中，我们比较了 3 种群优化算法的特征选择能力，用于识别癫痫发作，具有 179 个特征的高维数据。 使用的基本分类器是决策树、随机森林和 KNN，它们的性能在有和没有特征选择的情况下进行了比较。 在我们的实验中，我们发现对于每个指标，不同的算法组合产生了最好的结果，例如，带有蝙蝠算法的随机森林产生了 96.78% 的准确率，96.89% 的召回值，这是其他组合中最好的结果。
