El campo de investigación bioinspirada ha evolucionado mucho en los últimos años debido al gran número de algoritmos novedosos propuestos y sus aplicaciones. Las fuentes de inspiración para estos nuevos algoritmos bioinspirados son diversas, que van desde el comportamiento de grupos de animales hasta las propiedades de varias plantas. Un problema es la falta de un algoritmo bioinspirado que pueda producir la mejor solución global para todo tipo de problemas de optimización. La solución presentada considera la propuesta de un enfoque novedoso para la selección de características en problemas de clasificación, que se basa en una versión binaria de un algoritmo bioinspirado novedoso. Las principales contribuciones de este artículo son: (1) la presentación de los pasos principales del Algoritmo de Optimización de Caballos (HOA) original, (2) la adaptación del HOA a una versión binaria llamada Algoritmo de Optimización de Caballos Binario (BHOA), (3) la aplicación del BHOA en la selección de características utilizando nueve conjuntos de datos de vanguardia del repositorio de aprendizaje automático de UCI y los clasificadores Random Forest (RF), Máquinas de Vectores de Soporte (SVM), Árboles Aumentados por Gradiente (GBT), Regresión Logística (LR), K-Vecinos Más Cercanos (K-NN) y Naïve Bayes (NB), y (4) la comparación de los resultados con los obtenidos utilizando el Optimizador de Lobos Grises Binario (BGWO), la Optimización de Enjambre de Partículas Binarias (BPSO) y el Algoritmo de Búsqueda de Cuervos Binario (BCSA). Los experimentos muestran que el BHOA es efectivo y robusto, ya que devolvió el mejor valor de precisión media y el mejor valor de precisión para cuatro y siete conjuntos de datos, respectivamente, en comparación con BGWO, BPSO y BCSA, que devolvieron el mejor valor de precisión media para cuatro, dos y dos conjuntos de datos, respectivamente, y el mejor valor de precisión para ocho, siete y cinco conjuntos de datos, respectivamente.