En datos de alta dimensionalidad, el rendimiento de varios clasificadores depende en gran medida de la selección de características importantes. La mayoría de los clasificadores individuales con los métodos de selección de características (FS) existentes no funcionan bien para datos altamente correlacionados. Obtener características importantes utilizando el método FS y seleccionar el mejor clasificador en un desafío en datos de alto rendimiento. En este artículo, proponemos una combinación de selección de características basada en la contracción y selección absoluta mínima (LASSO) basada en el remuestreo (RLFS) y conjuntos de regresión regularizados (ERRM) capaces de manejar datos con estructuras de alta correlación.