本发明公开了一种超大规模晶圆缺陷数据的特征提取方法，该方法包括：使用基于分布式计算平台的密度采样方法，对超大规模晶圆缺陷数据进行采样，在保留数据完整分布的前提下减少数据量；对采样后的晶圆缺陷数据进行基于自适应的密度聚类方法的聚类，聚类完成后统计子簇的数量，以及各个子簇的期望、方差；将自适应的密度聚类后得到的结果作为初值输入EM算法迭代拟合高斯混合模型分布，提取晶圆缺陷数据的概率分布特征。本发明方法在保证晶圆缺陷数据分布完整性的同时，有效降低了缺陷数据量，自动准确地提取晶圆缺陷的分布作为超大规模晶圆缺陷数据的特征，有利于在实际工业生产中对超大规模晶圆缺陷数据的后续分析。