انتخاب ویژگی (feature selection) به منظور پیدا کردن زیر مجموعه ایی از ویژگی ها (feature subset) که بیشترین اطلاعات جدا کننده از کل مجموعه داده ها را داشته باشد، انجام می شود. در عمل، نمی دانیم چه طبقه بندی کننده ای را بعد از انتخاب ویژگی استفاده می کنیم. پس مطلوب است که زیر مجموعه ایی از ویژگی ها را انتخاب کنیم که به طور کلی برای هر طبقه بندی کننده موثر باشد. چنین روشی انتخاب ویژگی مستقل از طبقه بندی کننده ((classifier-independent feature selection (CIFS) نامیده می شود. در این مقاله روش جدیدی در انتخاب ویژگی مستقل از طبقه بندی کننده بر پایه تخمین مرز تصمیم گیری bayes در نظر گرفته شده است. برای نشان دادن سودمندی روش موردنظر آزمایشات بر روی داده های استاندارد spect قلبی انجام شده است.