特征选择中没有融合法

正确答案是：A: 嵌入式方法、C: 包裹式、D: 过滤法。

特征选择是机器学习和数据挖掘中的一个重要步骤，其目的是从原始特征集中选择出对模型性能有显著影响的特征。以下是三种常用的特征选择方法的专业分析：

1. **嵌入式方法（Embedded Methods）**：
嵌入式方法是在模型训练过程中进行特征选择的。常见的嵌入式方法包括正则化方法（如Lasso回归）和树模型（如决策树、随机森林）。这些方法通过优化某个目标函数（如最小化误差）来选择特征。

2. **包裹式方法（Wrapper Methods）**：
包裹式方法通过使用一个特定的机器学习算法来评估特征子集的质量。常见的包裹式方法包括前向选择、后向消除和递归特征消除（RFE）。这些方法通常计算量较大，因为它们需要反复训练模型来评估每个特征子集。

3. **过滤法（Filter Methods）**：
过滤法在特征选择过程中独立于模型，通常基于统计检验或评分函数来评估特征的重要性。常见的过滤法包括卡方检验、互信息、方差选择法和相关系数分析。过滤法计算效率高，但可能不如包裹式方法和嵌入式方法精确。

综上所述，A、C、D选项都是特征选择中的常用方法，而B选项“融合法”并不是特征选择的常用方法。