基于惩罚项的特征选择不属于过滤式

在特征选择的过程中，过滤式方法是一种常用的预处理步骤，它独立于任何机器学习算法。以下是对各个选项的分析：

A: 方差选择
方差选择是一种基于统计特性的过滤方法，它通过计算各个特征的方差，选择方差较大的特征。这是一种典型的过滤式特征选择方法。

B: 相关系数法
相关系数法通过计算特征与目标变量之间的相关系数来选择特征。它也是一种独立于具体机器学习算法的过滤方法。

C: 卡方检验
卡方检验是一种统计检验方法，用于检验特征与目标变量之间的独立性。它也是一种过滤式特征选择方法，常用于分类任务中的特征选择。

D: 基于惩罚项的特征选择
基于惩罚项的特征选择（如L1正则化的Lasso回归）通常是嵌入式方法的一部分，它在模型训练过程中选择特征，而不是独立于机器学习算法。因此，它不属于过滤式特征选择方法。

综上所述，正确答案是：A: 方差选择, B: 相关系数法, C: 卡方检验。