Esta investigación tiene como objetivo analizar el efecto de la selección de características en la precisión de la clasificación de popularidad de la música utilizando algoritmos de aprendizaje automático. Los datos de Spotify, la plataforma de escucha de música más utilizada hoy en día, se utilizaron en la investigación. En la etapa de selección de características, se eliminaron del conjunto de datos las características con baja correlación utilizando el método de selección de características de filtro. Los algoritmos de aprendizaje automático que utilizan todas las características produjeron una precisión del 95.15%, mientras que los algoritmos de aprendizaje automático que utilizan características seleccionadas por la selección de características produjeron una precisión del 95.14%. Las características seleccionadas por la selección de características fueron suficientes para la clasificación de la popularidad en algoritmos establecidos. Además, este conjunto de datos contiene menos características, por lo que el tiempo de cálculo es más corto. La razón por la que la complejidad temporal de Big O es menor que en modelos construidos sin selección de características es que el número de características, que es el parámetro más importante en la complejidad temporal, es bajo. Se realizó un análisis estadístico en los datos preprocesados y se obtuvo información significativa de los datos utilizando algoritmos de aprendizaje automático.