In pattern recognition e machine learning, un vettore di caratteristiche è un vettore n-dimensionale di caratteristiche numeriche che rappresentano qualche oggetto. Molti algoritmi di apprendimento automatico richiedono una rappresentazione numerica degli oggetti, poiché tali rappresentazioni facilitano l’elaborazione e l’analisi statistica. Quando si rappresentano le immagini, i valori delle caratteristiche potrebbero corrispondere ai pixel di un’immagine, mentre quando si rappresentano i testi le caratteristiche potrebbero essere le frequenze di occorrenza dei termini testuali. I vettori di caratteristiche sono equivalenti ai vettori di variabili esplicative usati nelle procedure statistiche come la regressione lineare. I vettori di caratteristiche sono spesso combinati con i pesi usando un prodotto di punti al fine di costruire una funzione predittiva lineare che viene utilizzata per determinare un punteggio per fare una previsione.
Lo spazio vettoriale associato a questi vettori è spesso chiamato spazio delle caratteristiche. Per ridurre la dimensionalità dello spazio delle caratteristiche, possono essere impiegate diverse tecniche di riduzione della dimensionalità.
Le caratteristiche di livello superiore possono essere ottenute da caratteristiche già disponibili e aggiunte al vettore delle caratteristiche; per esempio, per lo studio delle malattie è utile la caratteristica “Età”, definita come Età = “Anno di morte” meno “Anno di nascita”. Questo processo è indicato come costruzione di caratteristiche. La costruzione di una caratteristica è l’applicazione di un insieme di operatori costruttivi ad un insieme di caratteristiche esistenti con il risultato di costruire nuove caratteristiche. Esempi di tali operatori costruttivi includono il controllo delle condizioni di uguaglianza {=, ≠}, gli operatori aritmetici {+,-,×, /}, gli operatori di matrice {max(S), min(S), average(S)} così come altri operatori più sofisticati, per esempio count(S,C) che conta il numero di caratteristiche nel vettore di caratteristiche S che soddisfano qualche condizione C o, per esempio, le distanze da altre classi di riconoscimento generalizzate da qualche dispositivo di accettazione. La costruzione delle caratteristiche è stata a lungo considerata un potente strumento per aumentare sia la precisione che la comprensione della struttura, in particolare nei problemi ad alta densità. Le applicazioni includono studi sulle malattie e sul riconoscimento delle emozioni dal parlato.