W rozpoznawaniu wzorców i uczeniu maszynowym, wektor cech jest n-wymiarowym wektorem cech numerycznych, które reprezentują jakiś obiekt. Wiele algorytmów w uczeniu maszynowym wymaga numerycznej reprezentacji obiektów, ponieważ takie reprezentacje ułatwiają przetwarzanie i analizę statystyczną. W przypadku reprezentacji obrazów, wartości cech mogą odpowiadać pikselom obrazu, natomiast w przypadku reprezentacji tekstów, cechami mogą być częstotliwości występowania terminów tekstowych. Wektory cech są równoważne wektorom zmiennych objaśniających używanych w procedurach statystycznych, takich jak regresja liniowa. Wektory cech są często łączone z wagami za pomocą iloczynu kropkowego w celu skonstruowania liniowej funkcji predykcyjnej, która jest używana do określenia wyniku dla predykcji.
Przestrzeń wektorowa związana z tymi wektorami jest często nazywana przestrzenią cech. W celu zmniejszenia wymiarowości przestrzeni cech można zastosować szereg technik redukcji wymiarowości.
Cechy wyższego poziomu można uzyskać z już dostępnych cech i dodać do wektora cech; na przykład, do badania chorób przydatna jest cecha „Wiek”, która jest zdefiniowana jako Wiek = „Rok śmierci” minus „Rok urodzenia” . Proces ten jest określany jako konstruowanie cech. Konstrukcja cech jest zastosowaniem zestawu operatorów konstrukcyjnych do zbioru istniejących cech, w wyniku czego powstają nowe cechy. Przykłady takich konstruktywnych operatorów obejmują sprawdzanie warunków równości {=, ≠}, operatory arytmetyczne {+,-,×, /}, operatory tablicowe {max(S), min(S), average(S)}, jak również inne bardziej wyrafinowane operatory, na przykład count(S,C), który zlicza liczbę cech w wektorze cech S spełniających pewien warunek C lub, na przykład, odległości do innych klas rozpoznawania uogólnione przez pewien akceptor. Konstrukcja cech od dawna uważana jest za potężne narzędzie zwiększające zarówno dokładność, jak i zrozumienie struktury, szczególnie w problemach wielowymiarowych. Zastosowania obejmują badania nad chorobami i rozpoznawaniem emocji z mowy.