特征工程

特征工程（英语：feature engineering）又称特征提取（英语：feature extraction）或特征发现（英语：feature discovery）是使用领域知识从原始数据中提取特征（特征、属性、特性）的过程。 是机器学习和概率模型中的一个预处理步骤^[1]。该步骤的主要功能，是将原始数据转换为更有效的输入集。与仅向机器学习过程提供原始数据相比，其动机是使用这些额外的功能来提高机器学习的准确性和决策能力。^[2][3][4]

除了机器学习之外，特征工程的原理还被应用于包括物理学在内的各种科学领域。例如，物理学家构建无量纲量，如流体动力学中的雷诺数、传热中的努塞尔数以及沉降领域中的阿基米德数。该思想也被用于初步近似，例如力学中材料强度的解析解。^[5]