设计了基于机器学习的衰老基因特征选择与分类实验，作为面向智能医学工程等专业的“机器学习基础”课程的实验内容。该实验通过将衰老基因映射至基因本体来获得实验数据集，利用特征选择方法处理基因本体内的冗余性，并使用朴素贝叶斯、支持向量机等分类模型来实现衰老基因分类。实验采用Python语言、Scikit-learn框架实现。除了框架内置的特征选择方法外，基于该数据集的统计特性和测试样本的独特性，定制设计了一个层次特征选择方法，用以更好地消除特征间的层次冗余。实验结果表明，有效的特征选择方法可以显著改善衰老基因分类的结果。