人工智能术语词典

特征向量（Feature Vector）在数据科学和机器学习中，指代将样本对象的可观测属性转化为数值化、多维空间中的向量表示，每个维度对应一个特定特征（如像素值、文本词频或统计指标），用于量化描述对象的核心特性。其核心特征包括降维性（如PCA提取主成分）、可解释性（与业务逻辑关联）及可计算性（支持相似度度量或模型输入）。在模式识别、分类模型（如SVM、神经网络）及聚类分析中，特征向量是算法处理的基础数据结构；技术层面，其构建依赖特征工程（特征选择、标准化）、嵌入技术（如Word2Vec）或自动特征提取（如CNN卷积层）。数学中的特征向量（Eigenvector）特指线性变换下仅受标量缩放影响的非零向量，是矩阵分解（如PCA）、谱聚类及动力系统分析的理论基础。