Se sabe que la selección/depuración de características para modelos no paramétricos de alta dimensión es un problema importante pero muy difícil. En este documento, primero señalamos las limitaciones de los métodos de depuración existentes. En particular, los métodos de depuración de independencia segura libres de modelo, que están definidos en predictores aleatorios, pueden pasar por alto por completo algunas características importantes en la función no paramétrica subyacente cuando los predictores siguen ciertas distribuciones. Para superar estas limitaciones, proponemos un procedimiento de depuración de conjunto para modelos no paramétricos. Combina cuidadosamente varios métodos de depuración existentes y produce un resultado cercano al mejor de estos métodos. Ejemplos numéricos indican que el método propuesto es muy competitivo y tiene un rendimiento satisfactorio incluso cuando los métodos existentes fallan.