特徴量（フィーチャー）は、機械学習 のモデルが 判断の手がかりにする、データの各項目 です。「何に注目して予測するか」を表します。
たとえば「中古住宅の価格」を予測するなら、次のような項目が特徴量になります。
- 広さ（面積）
- 築年数
- 駅からの距離
- 部屋数
どんな特徴量を選び、どう加工するかで、モデルの精度は大きく変わります。この作業を 特徴量エンジニアリング と呼び、従来の機械学習では、人の腕の見せどころでした。たとえば「駅からの距離」だけでなく「主要駅への所要時間」を加えると、精度が上がるかもしれません。
一方、ディープラーニング の大きな特徴は、この特徴量の抽出まで、データから自動で学ぶ ことです。画像の「どこに注目すべきか」を人が指定しなくても、ネットワーク自身が層を重ねながら見つけ出します。
とはいえ、扱うデータの意味を理解し、有効な特徴量を見極める力は、今も重要です。「どんな情報が予測に効くのか」を考えることは、AI活用の本質的な部分です。