Los flujos de datos son ubicuos y están relacionados con la proliferación de dispositivos móviles de bajo costo, sensores, redes inalámbricas y el Internet de las cosas. Aunque es bien sabido que los fenómenos complejos no son estacionarios y exhiben un cambio cuando se observan durante un tiempo suficientemente largo, relativamente pocos estudios han abordado el problema relacionado con ello. En este documento se propone y prueba una variación del algoritmo QuickReduct adecuado para procesar flujos de datos: construye un conjunto de características evolutivo que selecciona dinámicamente las características relevantes en el flujo, eliminando las redundantes y agregando las nuevas relevantes tan pronto como lo son. Las pruebas en cinco conjuntos de datos disponibles públicamente con un cambio artificial confirmaron la efectividad del método propuesto.