특징 추출이란, 기계 학습을 위해 원시 데이터로부터 유용한 특징들을 선택, 조합, 생성하는 과정이다. 이 과정은 다량의 원시 데이터에서 주요 정보를 식별하여 관련이 높고 차원이 낮은 표현을 제공하는 것을 목표로 한다. 특징 추출은 주로 분류, 군집화, 회귀, 예측 등의 과제에서 사용된다. 특징 추출은 전통적인 기계 학습에서 매우 중요한 역할을 하며, 주로 사람이 수행하거나 특화된 알고리즘을 이용한다. 이는 종종 높은 수준의 도메인 지식을 필요로 한다. 그러나 딥러닝이 등장하며, 인공신경망이 데이터의 원시 표현에서 복잡한 특징까지 직접 학습하는 end-to-end 학습이 가능해졌다. 따라서 딥러닝은 사람의 개입 없이 특징 추출을 자동화하고, 특징 선택의 편향을 줄이며, 복잡한 패턴을 식별할 수 있게 하였다..
