En el reconocimiento de patrones y el aprendizaje automático, un vector de características es un vector n-dimensional de características numéricas que representan algún objeto. Muchos algoritmos de aprendizaje automático requieren una representación numérica de los objetos, ya que dichas representaciones facilitan el procesamiento y el análisis estadístico. Al representar imágenes, los valores de las características pueden corresponder a los píxeles de una imagen, mientras que al representar textos las características pueden ser las frecuencias de aparición de los términos textuales. Los vectores de características son equivalentes a los vectores de variables explicativas utilizados en procedimientos estadísticos como la regresión lineal. Los vectores de características a menudo se combinan con pesos utilizando un producto de puntos para construir una función de predicción lineal que se utiliza para determinar una puntuación para hacer una predicción.
El espacio vectorial asociado con estos vectores a menudo se llama el espacio de características. Para reducir la dimensionalidad del espacio de características, se pueden emplear varias técnicas de reducción de la dimensionalidad.
Las características de mayor nivel pueden obtenerse a partir de las características ya disponibles y añadirse al vector de características; por ejemplo, para el estudio de las enfermedades es útil la característica «Edad», que se define como Edad = «Año de fallecimiento» menos «Año de nacimiento» . Este proceso se denomina construcción de características. La construcción de rasgos es la aplicación de un conjunto de operadores constructivos a un conjunto de rasgos existentes que da lugar a la construcción de nuevos rasgos. Algunos ejemplos de estos operadores constructivos son la comprobación de las condiciones de igualdad {=, ≠}, los operadores aritméticos {+,-,×, /}, los operadores de matriz {max(S), min(S), average(S)}, así como otros operadores más sofisticados, por ejemplo count(S,C), que cuenta el número de características del vector de características S que satisfacen alguna condición C o, por ejemplo, las distancias a otras clases de reconocimiento generalizadas por algún dispositivo de aceptación. La construcción de rasgos se considera desde hace tiempo una poderosa herramienta para aumentar tanto la precisión como la comprensión de la estructura, especialmente en problemas de alta dimensión. Las aplicaciones incluyen estudios de reconocimiento de enfermedades y emociones a partir del habla.