Las aplicaciones de minería de datos están creciendo con la disponibilidad de grandes datos; a veces, manejar grandes datos también es una tarea típica. La segregación de los datos para extraer información útil es inevitable para diseñar tecnologías modernas. Considerando este hecho, el trabajo propone un algoritmo caótico de incrustación de depredadores marinos (CMPA) para la selección de características. La rutina de optimización está diseñada con el objetivo de maximizar la precisión de clasificación con el número óptimo de características seleccionadas. Se han elegido conjuntos de datos de referencia conocidos para validar el rendimiento del algoritmo propuesto. Un análisis comparativo del rendimiento con algunos algoritmos conocidos aboga por la aplicabilidad del algoritmo propuesto. Además, el análisis se ha extendido a algunos de los algoritmos caóticos conocidos; primero, se desarrollan las versiones binarias de estos algoritmos y luego se realiza el análisis comparativo del rendimiento en función de las características seleccionadas promedio, la precisión de clasificación obtenida y los valores de la función de aptitud. También se han realizado pruebas de significancia estadística para establecer la importancia del algoritmo propuesto.