1.一种多标签因果特征选择方法，其特征在于，包括步骤：

S1、获取多标签数据集，并对所述多标签数据集进行预处理，其中，所述多标签数据集为多标签基因表达数据集；

S2、基于预处理后的多标签基因表达数据集，利用一元近似马尔可夫毯对每一个标签寻找近似马尔可夫毯；具体步骤包括：S21、通过计算每个标签与特征之间不确定度来确定阈值；具体为，计算标签与特征两两之间的对称不确定度，取所有对称不确定度的前t％的平均值作为阈值α，其中t为设定的阈值；

S22、判断特征与标签是否有关，如果标签跟特征间的对称不确定度大于α，则表示标签与特征之间有关联，若小于α，则表示标签与特征之间无关，从特征集合中删除此特征；

S23、利用一元近似马尔可夫毯，删除步骤S22得到的特征集合中的虚假MB特征；

S24、使用对称性检验，删除步骤S23得到的特征集合中的假MB特征，得到每个标签的近似马尔可夫毯；

其中，所述一元近似马尔可夫毯具体为：

在一个贝叶斯网络中，给定一个标签Ti，两个特征Fi、Fj，如果满足下列公式：SU(Fi；Ti)>SU(Fj；Ti)&&SU(Fi；Fj)＞SU(Fj；Ti)    (2)I(Ti；Fj|Fi)

则对于Fj而言，Fi为Ti的一元近似马尔可夫毯；

其中，SU代表对称不确定度，是经过互信息归一化而来，代表着两个变量之间的相关性，I(Ti；Fi)代表两个变量之间的互信息的大小，而I(Ti；Fj|Fi)代表着给定Fi变量后，Ti与Fj之间的条件互信息大小，衡量Fi对于Ti与Fj之间的相关性影响程度；若对于Fj而言，Fi为Ti的一元近似马尔可夫毯特征，此时Fj一定不是Ti的MB特征，所以删除Fj；

S3、删除标签的近似马尔可夫毯中包含的其他标签，并恢复等效特征，得到标签的马尔可夫毯特征；

S4、使用快速对称性检验方法确保步骤S3中恢复的特征属于标签的马尔可夫毯，通过快速对称性检验方法的特征将被保留，未通过的特征将被删除；

S5、将所有标签的马尔可夫毯特征进行合并，得到基因表达数据特征子集，实现对基因表达数据的特征选择。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，所述预处理包括：数据清洗和对不同数据进行离散化编码操作。

3.根据权利要求1所述的方法，其特征在于，步骤S3具体为：删除标签的近似马尔可夫毯中包含的其他标签，同时恢复由于标签的等效信息导致误删的特征，得到标签的马尔可夫毯特征。

4.根据权利要求1所述的方法，其特征在于，步骤S4具体为：如果某个特征X是标签T的马尔可夫毯的一部分，那么T也应该是X的马尔可夫毯的一部分；所述对称性确保了特征和标签之间的一致性和互相包含性。

5.根据权利要求1所述的方法，其特征在于，在步骤S5后，基于多标签因果特征选择方法得到的基因表达数据特征子集，对基因分类模型进行训练，得到训练好的基因分类模型；

获取待分类基因数据，基于待分类基因数据的所述特征子集，利用训练好的基因分类模型对所述待分类基因数据进行分类，得到所述待分类基因数据的标签。

6.一种多标签因果特征选择系统，其特征在于，所述特征选择系统执行如权利要求1所述的多标签因果特征选择方法，包括：数据获取及预处理模块、近似马尔可夫毯特征获取模块、马尔可夫毯特征确定模块、特征验证模块、特征合并模块；

数据获取及预处理模块，获取多标签数据集，并对所述多标签数据集进行预处理，其中，所述多标签数据集为多标签基因表达数据集；

近似马尔可夫毯特征获取模块，基于预处理后的多标签基因表达数据集，利用一元近似马尔可夫毯对每一个标签寻找近似马尔可夫毯特征；

马尔可夫毯特征确定模块，删除标签的近似马尔可夫毯中包含的其他标签，并恢复等效特征，得到标签的马尔可夫毯特征；

特征验证模块，使用快速对称性检验方法确保恢复的特征属于标签的马尔可夫毯，通过快速对称性检验方法的特征将被保留，未通过的特征将被删除；

特征合并模块，将所有标签的马尔可夫毯特征进行合并，得到基因表达数据特征子集，实现对基因表达数据的特征选择。