La selección de características se emplea comúnmente para identificar las mejores n características que contribuyen significativamente a la predicción deseada, por ejemplo, para encontrar los 50 o 100 genes principales responsables del cáncer de pulmón o riñón de entre 50,000 genes. Por lo tanto, es una práctica que consume mucho tiempo y recursos. En este trabajo, proponemos una técnica de división y conquista con eliminación de características hacia atrás difusa (FBFE) que ayuda a encontrar las características importantes de manera rápida y precisa. Para mostrar la robustez del método propuesto, se aplica a ocho conjuntos de datos diferentes tomados de la base de datos del NCBI. Comparamos el método propuesto con siete métodos de selección de características de última generación y encontramos que el método propuesto puede obtener una precisión de clasificación rápida y mejor. El método propuesto funcionará para conjuntos de datos cualitativos, cuantitativos, continuos y discretos. Se ha desarrollado un servicio web para que los investigadores y académicos seleccionen las mejores n características.