لا ترى النماذج الواقع كما هو، بل ترى السمات، وهي الخصائص القابلة للقياس المستخرجة من البيانات والمُدخلة في خوارزمية التعلم. يصبح المنزل مساحته وعدد غرف نومه وعمره وموقعه. ويصبح المستند عدد كلماته أو تمثيلاته.

هيمنت هندسة الميزات في السابق على مجال التعلم الآلي التطبيقي. فقد كان الممارسون يصممون النسب والتحويلات اللوغاريتمية ومعاملات التفاعل يدويًا لمساعدة النماذج على إيجاد الأنماط. لكن التعلم العميق غيّر هذا النهج، إذ مكّن الشبكات من تعلم الميزات مباشرةً من المدخلات الخام.

أنواع الميزات الشائعة

• القيم العددية مثل السعر أو درجة الحرارة
• التصنيفات الفئوية المشفرة كأرقام
• تحويل النص إلى أعداد أو متجهات
• وحدات البكسل في الصورة أو التضمينات المتعلمة
• النسب والتفاعلات المشتقة

تُعدّ الميزات الجيدة ذات قيمة. أما الميزات الزائدة أو المشوّشة فتُبطئ التدريب وتُضعف التعميم. ويظل اختيار الميزات واستخراجها أمراً بالغ الأهمية، لا سيما في مجموعات البيانات الصغيرة حيث لا يُحقق التعلّم العميق فائدة تُذكر.