本发明涉及一种用于非侵入式电力负荷监测的特征选择辨识方法，其技术特点在于：包括以下步骤：步骤1，从用电场景总有功功率中检测出负荷启停事件，提取负荷事件特征；步骤2、建立机器学习分类器的训练数据集；步骤3、对训练数据集进行特征选择处理，对用于训练分类模型的特征进行最优配置；步骤4、建立有监督分类模型，以步骤2中的训练数据集和步骤3特征选择后的特征训练该有监督分类模型；步骤5、通过步骤1得到未知种类的负荷事件的各特征的值，经由步骤4建立的机器学习分类模型分析，得到分类结果，最终实现对负荷事件的检测及辨识。本发明能够通过特征选择提高为辨识负荷事件建立的机器学习分类模型的辨识性能。