随着基因芯片技术的发展,基因表达数据得到研究人员越来越多的关注。通过合理的分析基因表达数据,提取出有用的关键信息,利用正确的预测结果,将为疾病的治疗带来有效的指导性建议。然而,基因表达数据普遍存在维度高以及样本较少的特点。随着维度的增高,容易造成“维度灾难”的问题,极大降低了现有的数据挖掘和机器学习等算法的计算效率与准确率,为分类学习带来了一定的挑战。针对基因表达数据的分类任务,本文探究如何从存在大量冗余基因及噪声的高维数据中提取出真正与分类有关的少数基因,便于分类研究。考虑到单个的特征选择方法在基因表达数据中降维效果有限,本文通过结合能够有效选择与分类有关基因的信息增益方法和剔除冗余特征能力强的改进Lasso算法,提出一种混合特征选择算法:IGIL-Seleciton,旨在找到一种选择目标基因的能力更好以及在不同类型的基因表达数据中适用性更强的特征选择方法。通过在二分类和多分类两种类型的基因表达数据集上进行的一系列实验,结果表明IGIL-Seleciton的基因选择效果优于单独使用信息增益方法和Lasso方法,同时IGIL-Seleciton在面对二分类或者多分类基因表达数据时都能够稳定有效地去除冗余基因,选择出较少的关键基因,同时保持了良好的分类准确率。综上所述,针对基因表达数据分类任务,本文对以往的研究成果进行分析并基于信息增益方法结合改进Lasso算法提出了一种特征选择方法,经过实验表明其具有稳定良好的信息基因选择能力,是一种适用性比较好的降维方法,同时对基因值离散化及分类器选择等还需进一步的研究。