In der Mustererkennung und im maschinellen Lernen ist ein Merkmalsvektor ein n-dimensionaler Vektor numerischer Merkmale, die ein Objekt repräsentieren. Viele Algorithmen des maschinellen Lernens benötigen eine numerische Darstellung von Objekten, da solche Darstellungen die Verarbeitung und statistische Analyse erleichtern. Bei der Darstellung von Bildern können die Merkmalswerte den Pixeln eines Bildes entsprechen, während bei der Darstellung von Texten die Merkmale die Häufigkeit des Auftretens von Textbegriffen sein können. Merkmalsvektoren sind äquivalent zu den Vektoren der erklärenden Variablen, die in statistischen Verfahren wie der linearen Regression verwendet werden. Merkmalsvektoren werden oft mit Gewichten unter Verwendung eines Punktprodukts kombiniert, um eine lineare Prädiktorfunktion zu konstruieren, die zur Bestimmung einer Punktzahl für eine Vorhersage verwendet wird.
Der mit diesen Vektoren verbundene Vektorraum wird oft als Merkmalsraum bezeichnet. Um die Dimensionalität des Merkmalsraums zu reduzieren, kann eine Reihe von Dimensionalitätsreduktionstechniken eingesetzt werden.
Mehrstufige Merkmale können aus bereits vorhandenen Merkmalen gewonnen und dem Merkmalsvektor hinzugefügt werden; für die Untersuchung von Krankheiten ist beispielsweise das Merkmal „Alter“ nützlich, das als Alter = „Todesjahr“ minus „Geburtsjahr“ definiert ist. Dieser Prozess wird als Merkmalskonstruktion bezeichnet. Unter Merkmalskonstruktion versteht man die Anwendung einer Reihe von konstruktiven Operatoren auf eine Menge vorhandener Merkmale, die zur Konstruktion neuer Merkmale führen. Beispiele für solche konstruktiven Operatoren sind die Überprüfung der Gleichheitsbedingungen {=, ≠}, die arithmetischen Operatoren {+,-,×, /}, die Array-Operatoren {max(S), min(S), average(S)} sowie andere anspruchsvollere Operatoren, z. B. count(S,C), das die Anzahl der Merkmale im Merkmalsvektor S zählt, die eine Bedingung C erfüllen, oder z. B. Abstände zu anderen Erkennungsklassen, die durch ein akzeptierendes Gerät verallgemeinert werden. Die Konstruktion von Merkmalen gilt seit langem als ein leistungsfähiges Instrument zur Verbesserung der Genauigkeit und des Verständnisses von Strukturen, insbesondere bei hochdimensionalen Problemen. Zu den Anwendungen gehören Studien über Krankheiten und die Erkennung von Emotionen anhand von Sprache.