I mønstergenkendelse og maskinlæring er en featurevektor en n-dimensionel vektor af numeriske features, der repræsenterer et eller andet objekt. Mange algoritmer inden for maskinindlæring kræver en numerisk repræsentation af objekter, da sådanne repræsentationer letter behandling og statistisk analyse. Ved repræsentation af billeder kan featureværdierne svare til pixelerne i et billede, mens de ved repræsentation af tekster kan svare til hyppigheden af forekomsten af tekstudtryk. Featurevektorer svarer til vektorerne af forklarende variabler, der anvendes i statistiske procedurer som f.eks. lineær regression. Featurevektorer kombineres ofte med vægte ved hjælp af et prikprodukt for at konstruere en lineær forudsigelsesfunktion, der bruges til at bestemme en score til at foretage en forudsigelse.
Det vektorrum, der er forbundet med disse vektorer, kaldes ofte for feature space. For at reducere dimensionaliteten af funktionsrummet kan der anvendes en række dimensionalitetsreduktionsteknikker.
Funktioner på højere niveau kan opnås fra allerede tilgængelige funktioner og tilføjes til funktionsvektoren; for eksempel er funktionen “alder” nyttig til undersøgelse af sygdomme og er defineret som alder = “dødsår” minus “fødselsår” . Denne proces kaldes featurekonstruktion. Ved konstruktion af egenskaber forstås anvendelsen af et sæt konstruktive operatorer på et sæt eksisterende egenskaber, hvilket resulterer i konstruktion af nye egenskaber. Eksempler på sådanne konstruktive operatorer omfatter kontrol af lighedsbetingelserne {=, ≠}, de aritmetiske operatorer {+,-,×, /}, array-operatorerne {max(S), min(S), average(S)} samt andre mere sofistikerede operatorer, f.eks. count(S,C), der tæller antallet af træk i trækvektoren S, der opfylder en bestemt betingelse C, eller f.eks. afstande til andre genkendelsesklasser generaliseret af en eller anden accepterende enhed. Konstruktion af kendetegn har længe været betragtet som et effektivt værktøj til at øge både nøjagtigheden og forståelsen af strukturen, især i højdimensionale problemer. Anvendelserne omfatter bl.a. undersøgelser af sygdom og følelsesgenkendelse fra tale.