特徴量エンジニアリング(feature engineering)は、生データを加工して機械学習モデルの入力変数である特徴量を設計・選択・変換する作業である。日付から曜日を取り出す、複数の列を組み合わせて新しい変数を作る、カテゴリ値を数値に変換する、値の範囲を正規化する、といった処理が含まれる。従来型の機械学習ではモデル性能を左右する重要な工程で、データと業務領域に関する知識を要する。
XGBoostのような表形式データ向けモデルではタスクごとに特徴量エンジニアリングを繰り返す必要があるが、深層学習は生データから表現を自ら学習するためこの負担が小さい。表形式データ向けの基盤モデルは、この作業をさらに減らそうとする試みである。