从超高维数据中识别活动特征是统计学习和生物发现的主要和重要任务之一.本文开发了一种通用一致性指数筛选CI SIS程序以应对具有分类响应的超高维数据.所提出的程序是无模型的基于一致性指数度量的非参数.在一些相对较弱的假设下它既具有确定的筛选和排名一致性属性.我们通过考虑生物医学研究中一些常见的挑战性环境来研究该程序的灵活性例如类别自适应数据和极不平衡的反应分布.还介绍了通过仿冒特征的数据驱动的阈值选择程序.