Modeller ham gerçekliği görmezler. Verilerden çıkarılan ve bir öğrenme algoritmasına beslenen ölçülebilir özellikler olan nitelikleri görürler. Bir ev metrekare, yatak odası sayısı, yaş ve konum gibi özelliklere dönüşür. Bir belge kelime sayısına veya gömülü vektörlere dönüşür.

Özellik mühendisliği bir zamanlar uygulamalı makine öğrenimine hakimdi. Uygulayıcılar, modellerin kalıpları bulmasına yardımcı olmak için oranları, log dönüşümlerini ve etkileşim terimlerini elle oluşturuyorlardı. Derin öğrenme, ağların özellikleri doğrudan ham girdiden öğrenmesine olanak tanıyarak bu çalışma biçimini değiştirdi.

Ortak özellik türleri

• Fiyat veya sıcaklık gibi sayısal değerler
• Sayılar olarak kodlanmış kategorik etiketler
• Metin sayılara veya vektörlere dönüştürüldü.
• Görüntü pikselleri veya öğrenilmiş gömülü vektörler
• Türetilmiş oranlar ve etkileşimler

İyi özellikler sinyal taşır. Gereksiz veya gürültülü özellikler eğitimi yavaşlatır ve genelleme yeteneğini zedeler. Özellikle derin öğrenmenin az avantaj sağladığı küçük veri kümelerinde özellik seçimi ve çıkarımı önemini korur.