AI 术语表 · 基础 · 经典机器学习、推荐与搜索
特征工程
特征工程是把原始数据挑选、加工并新构造成机器学习模型易于发现规律的输入值（特征）的工作。
关于这个术语
- 难度
- 基础 · AI 新闻中常见的技术术语
- 分类
- 数据、运维与平台
- 加入时间
- 2026-10-09
通俗解释 这类似于厨师不会把食材直接扔进锅里，而是先清洗、切好、提前腌味的备料过程。同样的食材因处理方式不同，菜的味道会大不相同；同样的数据，特征做法不同，模型性能也会不同。
工作原理
首先查看数据，挑出可能与要预测的结果相关的信息。然后做基本加工：填补缺失值、统一数值尺度、把“首尔·釜山”这类类别值转换成数字。接着运用业务知识构造新特征。例如，用“注册日期”和“今天日期”算出“注册时长”，用订单记录算出“最近一个月购买次数”。再通过交叉验证确认构造的特征是否真正有用，并去掉无用的特征。
特征工程步骤
- 1挑选相关信息可能与预测结果相关的数据
- 2基本加工填补缺失值·统一尺度·类别转数字
- 3构造新特征注册时长·最近购买次数等
- 4验证并精简用交叉验证确认效果
为什么重要
在处理表格式结构化数据的决策树、梯度提升等模型中，特征的质量在很大程度上决定性能。好的特征能直接告诉模型那些它自己难以发现的业务知识。深度学习能从图像、文本中自行学习特征，因此需要人工构造的部分减少了，但在需求预测、异常检测、推荐系统等实际业务中，这仍是核心工作。做好的特征也会汇集到特征存储中，供多个模型共用。
注意事项
最常见的陷阱是数据泄露。如果把预测时刻无法获知的未来信息放进特征，测试成绩会很好，但在实际服务中性能会大幅下降。特征构造得太多容易导致过拟合。训练时和实际服务时必须用完全相同的方式计算特征，这一点也很重要。随着时间推移，数据性质发生变化，特征可能失去作用，因此需要监控数据漂移。
示例
假设一家电信运营商想提前找出下个月将要解约的客户。原始数据中，缴费记录、通话记录、客服记录是分开的。分析师构造“最近三个月数据用量变化”“最近一次客服中是否咨询过解约”“距合约到期的剩余时间”等特征，输入梯度提升模型。此时，像“是否已提交解约申请”这样在预测时刻无法获知的信息会造成数据泄露，必须排除。