Die Rückwärtsselektion ist ein Algorithmus zur Prädiktorselektion innerhalb der multiplen Regression, mit dem das beste Modell mit den aussagekräftigsten Prädiktoren ermittelt werden soll. Das Modell beginnt dabei mit allen vorhandenen Prädiktoren. Schritt für Schritt wird nun immer ein Prädiktor aus dem Modell entfernt, und zwar immer derjenige, der den „kleinsten Verlust“ für das Modell darstellt, solange bis der Verlust durch die Entfernung eines weitere Prädiktors zu groß wird.
Weitere Prädiktorenselektionsalgorithmen sind die Vorwärtsselektion, kombinierte Rückwärts- und Vorwärtsselektion, sowie die Best-Subset Selektion.