本发明公开了一种基于乳腺癌临床高维数据的分层重要特征选择方法。本发明的特征选择方法包括统计特征选择和集成特征选择，其中统计特征选择采用单因素分析法，通过不同的统计检验初步选择出对结局变量有显著影响的特征；集成特征选择通过建立梯度提升树模型，经过模型训练后得到特征重要性评分，然后使用经过设计和验证的重要性评分阈值，来实现对结局变量有重要影响的特征选择。本发明可有效克服临床乳腺癌预测建模过程中的数据特征维度过高、冗余特征过多和数据杂乱等问题。可排除临床乳腺癌高维数据中冗余或无意义的特征，从而选择尽量少且对乳腺癌建模有重要影响的特征，保证乳腺癌模型的准确性和实用性。