我是机器学习的新手。在我的工作中，我需要一种机器学习算法，根据数据的传播，从2D矩阵中的许多列中选择一些列。以下是2D矩阵的示例：
400 700 4 1400
410 710 4 1500
416 716 4 1811
..............
410 710 4 1300
以前我使用标准偏差方法根据某些阈值选择列（作为特定列数据传播的度量）。观察到第3列是恒定的，最后一列变化很大。第1列和第2列也有所不同，但数据的传播很小。通过在每列上应用标准差，我得到（sigma）= 10,10,0,200。
我考虑了一些实验性阈值来丢弃一些列。如果（sigma）超过阈值范围，则相应的列被丢弃。我手动计算了这些阈值。虽然这种方法非常简单，但处理阈值是一项非常繁琐的工作，因为现有许多列。
出于这个原因，我想使用标准的机器学习算法，或者如果我可以使这些阈值自适应的话。因此，我不需要对代码中的阈值进行硬编码。任何人都可以为我推荐一个合适的算法吗？