特徵工程

特徵工程（英語：feature engineering）又稱特徵提取（英語：feature extraction）或特徵發現（英語：feature discovery）是使用領域知識從原始數據中提取特徵（特徵、屬性、特性）的過程。 是機器學習和概率模型中的一個預處理步驟^[1]。該步驟的主要功能，是將原始數據轉換為更有效的輸入集。與僅向機器學習過程提供原始數據相比，其動機是使用這些額外的功能來提高機器學習的準確性和決策能力。^[2][3][4]

除了機器學習之外，特徵工程的原理還被應用於包括物理學在內的各種科學領域。例如，物理學家構建無量綱量，如流體動力學中的雷諾數、傳熱中的努塞爾數以及沉降領域中的阿基米德數。該思想也被用於初步近似，例如力學中材料強度的解析解。^[5]