什么是特征提取?

区别：行为的性质不同，特征选择具有目的性，是在已有的特征中选择出对建模最有帮助的那部分特征；而特征提取则具有针对性，它是对原始数据进行处理，提取出新的、有助于问题解决的特征。联系：两者都是对特征的有效运用，目的是为了提高模型的性能和效率。

看网上的解释，真的知道了什么是模型不一致，同一个输入产生的输出真是千差万别。特征提取/特征抽取（feature extraction）：Creatting a subset of new features by combinations of the existing features.即通过原来存在的特征的集合创造一个新的特征子集。

提取的典型技术特征包括：特征选择、特征提取、特征变换等。特征选择：特征选择是从原始数据中选择最相关的特征，以提高模型的泛化能力和效果。常用的特征选择方法包括过滤式、包裹式和嵌入式方法。

数据采集技术和特征提取技术是数据处理过程中的两个不同环节。数据采集技术是指通过网络爬虫等方式，从互联网上抓取所需的数据。数据采集技术可以根据需求采集不同类型的数据，如文字、图片、视频等，并将其保存到本地或云端的数据库中。特征提取技术是指从采集到的数据中提取出有用的特征信息。

视频检索系统中，特征提取是核心环节，旨在从视频片段中提取足以代表其内容的特征，这些特征将作为后续聚类和检索的基础。 特征提取分为两个主要层面：镜头级别的运动特征提取和关键帧级别的静态视觉特征提取。 运动特征提取至关重要，因为它涉及到视频中的动态变化，包括对象的运动和摄像机的移动。