本发明属于机器学习和数据挖掘技术领域，公开了一种半监督特征选择方法、系统、介质、设备及终端，通过使用NLS评估缺少标签的数据集的局部数据结构，使用MIC计算标签和特征的相关性，利用数据集中的少量标签信息；根据邻域和标签之间的冲突比率自适应地组合NLS和MIC，确定特征的NMScore，从而评估重要性。本发明通过将自然邻融入半监督拉普拉斯方法改进产生自然拉普拉斯方法，能够对数据的局部数据结构有着更高的灵敏度；使用MIC进行标签与特征的相关性评估，并创新性的使用冲突系数进行两者的加权结合，得到最终的NM得分，使用该得分进行特征重要性排序能够很好的评估特征重要性，整个方法拥有更高的性能和效率。