模型选择(英语:model selection)是在给定数据的情况下,在一组候选模型中选定最优模型的过程。在最简单的情形之下,给定数据可以是已存在的数据。不过,在复杂的情形下,模型选择也可能牵涉到实验设计,以便能够收集数据(英语:data collection)来进行模型选择。诸多候选模型的预测或解释能力相近,但根据奥卡姆剃刀原则,最简单的模型往往是最好的选择,这有助于避免过拟合。
在做决策(英语:decision theory)时,或是在不确定条件下进行优化时,模型选择也可以指代从大量计算模型中选取少数代表性模型的问题。