In patroonherkenning en machinaal leren is een feature-vector een n-dimensionale vector van numerieke features die een of ander object representeren. Veel algoritmen in machine learning vereisen een numerieke representatie van objecten, omdat dergelijke representaties vergemakkelijken verwerking en statistische analyse. Bij de weergave van afbeeldingen kunnen de feature-waarden overeenkomen met de pixels van een afbeelding, terwijl bij de weergave van teksten de features de frequenties van voorkomen van tekstuele termen kunnen zijn. Feature vectoren zijn equivalent aan de vectoren van verklarende variabelen die gebruikt worden in statistische procedures zoals lineaire regressie. Feature vectoren worden vaak gecombineerd met gewichten door middel van een dot product om een lineaire voorspellende functie te construeren die wordt gebruikt om een score te bepalen voor het maken van een voorspelling.
De vectorruimte die met deze vectoren wordt geassocieerd, wordt vaak de feature space genoemd. Om de dimensionaliteit van de feature-ruimte te reduceren, kunnen een aantal technieken voor dimensionaliteitsreductie worden gebruikt.
Hogere features kunnen worden verkregen uit reeds beschikbare features en aan de feature-vector worden toegevoegd; voor de studie van ziekten is bijvoorbeeld de feature ‘Leeftijd’ nuttig en wordt deze gedefinieerd als Leeftijd = ‘Jaar van overlijden’ min ‘Jaar van geboorte’ . Dit proces wordt feature-constructie genoemd. Feature construction is de toepassing van een set van constructieve operatoren op een set van bestaande features, resulterend in de constructie van nieuwe features. Voorbeelden van dergelijke constructieve operatoren zijn de controle op de gelijkheidsvoorwaarden {=, ≠}, de rekenkundige operatoren {+,-,×, /}, de matrixoperatoren {max(S), min(S), gemiddelde(S)} en andere meer gesofisticeerde operatoren, bijvoorbeeld count(S,C) dat het aantal kenmerken in de kenmerkvector S telt dat aan een voorwaarde C voldoet of, bijvoorbeeld, afstanden tot andere herkenningsklassen gegeneraliseerd door een of ander acceptatiemiddel. Eigenschapconstructie wordt reeds lang beschouwd als een krachtig hulpmiddel om zowel de nauwkeurigheid als het begrip van structuur te verhogen, vooral in hoog-dimensionale problemen. Toepassingen zijn onder meer studies van ziekte en emotieherkenning uit spraak.