学习机器学习有一段时间了，却连这个最基本的理论问题都没弄懂，这里我简单的阐述一下。
比如这里我有L个度量值集合{X1， X2， X3, ... XL};
特征选择：从已有的L个度量值中按照一定的标准选择m（m<L）个子集，{X1， X2， X3，... Xm}；这m个度量值就是作为降维后的特征。
特征提取：使这L个度量值通过某种变换H（*）， 产生新的m（m<L）个子集，{X1， X2， X3，... Xm}。新的m个子集，就是进行特征提取后降维的特征。
下面用一个通俗的例子进行说明：
例：特征选择与特征提取的区别：对一个条形和圆进行识别。
解：[法1]
① 特征提取：测量三个结构特征
(a) 周长
(b) 面积
(c)两个互相垂直的内径比
分析： (c)是具有分类能力的特征，故选(c)，
扔掉(a) 、 (b) 。
[法2]：① 特征提取取：测量物体向两个坐标轴的投影
值，则A、B各有2个值域区间。可以看出，两个物体的投影有重叠， 直接使用投影值无法将两者区分开。
② 特征选择：将坐标系按逆时针方向做一旋转变化，或物体按顺时针方向变，并适当平移等。根据物体在 轴上投影的坐标值的正负可区分两个物体。