Feature Engineering is het proces van het selecteren, transformeren en combineren van onbewerkte gegevens in features (invoervariabelen) die een machine learning-model kan leren. Dit is essentieel omdat de kwaliteit van features vaak meer impact heeft op modelprestatie dan het algoritme zelf.

Dit omvat activiteiten als het werken met ontbrekende waarden, het schalen van features, het maken van nieuwe afgeleide features, en het verwijderen van irrelevante variabelen.