您还可以查看FSelector、varSelRF。FSelector 包含基于卡方检验、信息论（熵、互信息、增益比等）、特征之间的相关性、一致性等的多种特征选择函数... varSelRF 是一个有用的包使用具有向后变量消除和重要性谱的随机森林进行特征选择。

您是否查看过机器学习和统计学习CRAN 任务视图，其中除了插入符号和Boruta之外还提到了很多其他软件包？

一般来说，如果您不了解有关特征选择的特定统计过程，最好提出一个有针对性的问题。下面的 CV 链接可能会像开始一样方便：自动模型选择算法。

我建议Rattle具有随机森林特征选择（以及更多）。它有很好的 GUI 并且非常易于使用。

带有 lasso 回归的 GLMNET 进行特征选择。