特征向量(feature vector)是指将样本抽象为向量的过程中所提取的数值特征。特征向量是一个数学概念，用向量来描述一个事物的特点。比如在图像处理中，图像通常是由数字矩阵表示，将其压缩为一组数字，这些数字就是特征。通过特征向量的运算、分类等操作可以实现图像识别功能。
在机器学习中，每一个训练样本都被表示为一个多维的特征向量，特征向量反映了每一个样本所具有的特定特征。在特征提取中，我们将图像中的信息分离出来，去除无用的信息，只保留中重要的信息，从而达到减少特征数量，同时加强特征的可区分性。
而特征向量在机器学习中，就扮演了度量的作用。通过对不同样本的特征向量进行计算，进而得到不同特征向量之间的距离，进而得到分类。对于工业中一些质量控制的问题，可以采用特征向量来进行检测，从而避免人工检测过程中的“盲目”，提高生产效率。此外，在推荐系统中，也可以使用用户的特征向量来确定感兴趣的物品并进行相应推荐。
特征向量在机器学习和计算机视觉中具有重要作用，在信息处理中使用广泛。机器学习逐渐成为人工智能的重要组成部分，特征向量作为其中的一种具体实现，也越来越受到人们的关注。
