No reconhecimento de padrão e aprendizagem de máquina, um vetor de característica é um vetor n-dimensional de características numéricas que representam algum objeto. Muitos algoritmos na aprendizagem de máquinas requerem uma representação numérica dos objectos, uma vez que tais representações facilitam o processamento e a análise estatística. Ao representar imagens, os valores das características podem corresponder aos pixels de uma imagem, enquanto que ao representar textos, as características podem ser as frequências de ocorrência dos termos textuais. Os vectores das características são equivalentes aos vectores das variáveis explicativas utilizadas em procedimentos estatísticos, como a regressão linear. Os vetores de característica são frequentemente combinados com pesos usando um produto de ponto para construir uma função de previsão linear que é usada para determinar uma pontuação para fazer uma previsão.
O espaço vetorial associado a esses vetores é freqüentemente chamado de espaço de característica. A fim de reduzir a dimensionalidade do espaço da característica, podem ser utilizadas várias técnicas de redução da dimensionalidade.
As características de nível mais elevado podem ser obtidas a partir de características já disponíveis e adicionadas ao vector da característica; por exemplo, para o estudo de doenças a característica ‘Idade’ é útil e é definida como Idade = ‘Ano da morte’ menos ‘Ano de nascimento’ . Este processo é referido como construção de características. A construção de características é a aplicação de um conjunto de operadores construtivos a um conjunto de características existentes, resultando na construção de novas características. Exemplos de tais operadores construtivos incluem a verificação das condições de igualdade {=, ≠}, os operadores aritméticos {+,-,×, /}, os operadores de array {max(S), min(S), average(S)} assim como outros operadores mais sofisticados, por exemplo, count(S,C) que conta o número de características no vector de características S que satisfazem alguma condição C ou, por exemplo, distâncias a outras classes de reconhecimento generalizadas por algum dispositivo que aceite. A construção de características tem sido considerada há muito uma ferramenta poderosa para aumentar tanto a precisão como a compreensão da estrutura, particularmente em problemas de alta dimensão. As aplicações incluem estudos de reconhecimento de doenças e emoções a partir da fala.