L'aritmia si verifica quando non c'? un corretto funzionamento degli impulsi elettrici presenti nel cuore. Un rilevamento precoce del ritmo cardiaco irregolare ? necessario per salvare la propria sopravvivenza. La classificazione dell'aritmia ? necessaria per la diagnosi. Questa relazione conferisce l'analisi dei componenti principali come processo di riduzione delle caratteristiche per ridurre l'input ad alta dimensione senza influenzare i metodi di classificazione e due tecniche di selezione delle caratteristiche come Grey wolf optimizer (GWO), Particle swarm optimization (PSO), e Support Vector Machine (SVM) utile nella scelta delle caratteristiche con aritmia e resultswill essere utilizzato per la classificazione di varie aritmie. L'analisi delle prestazioni per queste tecniche di selezione delle caratteristiche ? stimata. La maledizione della dimensionalit? (cio?, dataset contenente un grande volume di caratteristiche) ? risolta usando questi metodi di selezione delle caratteristiche. Il risultato esplora la metrica delle prestazioni per l'integrazione di tre metodi come PSO, GWO con SVO e mostra che PSO e GWO integrati con SVM hanno selezionato le caratteristiche con una precisione del 96,08%.