La selezione delle caratteristiche è il primo compito di qualsiasi approccio di apprendimento per definire un insieme di caratteristiche rilevanti. Sono stati proposti diversi metodi per affrontare il problema della selezione delle caratteristiche, tra cui metodi di filtro, wrapper e embedded. In questo lavoro, ci concentriamo sulla selezione di sottoinsiemi di caratteristiche per selezionare un sottoinsieme di dimensioni minime di caratteristiche ottimali. La selezione delle caratteristiche è un problema di ottimizzazione; a questo scopo viene utilizzato un algoritmo genetico basato sulla selezione di sottoinsiemi di attributi utilizzando il classificatore naïve bayes. I GABASS risultano essere la tecnica migliore per la selezione quando la popolazione è molto numerosa. I GABASS forniscono buoni risultati e il loro potere risiede nella capacità di adattarsi ad ambienti diversi e in rapida evoluzione.