Processos industriais e químicos geram grandes volumes de variáveis, que podem apresentar níveis de ruído e correlações que dificultam o seu monitoramento e controle. Este estudo propõe um novo método para identificação do subconjunto de variáveis com maior poder de classificação de amostras industriais. Para tanto, a decomposição de valores singulares (SVD) é integrada com a técnica Ensemble Logistic GMDH-type Neural Networks (EL-GMDH-NN). O SVD é utilizado para calcular o índice de importância de cada variável. Um processo iterativo cria modelos adicionando variáveis na ordem decrescente do índice de importância. As variáveis que aumentam a acurácia de classificação são selecionadas. A abordagem produziu classificações 100% acuradas com 2.72% do banco de dados OXY. Na base de dados referente ao ponto de fulgor do biodiesel/diesel, 98.8% de acurácia com 0.33% das 1.738 variáveis. Os resultados foram superiores quando comparados com Regressão Logística Stepwise, Logistic GMDH e Anzanello et al. (2009).