特征工程（英语：feature engineering）又称特征提取（英语：feature extraction）或特征发现（英语：feature discovery）是使用领域知识从原始数据中提取特征（特征、属性、特性）的过程。 是机器学习和概率模型中的一个预处理步骤[1]。该步骤的主要功能，是将原始数据转换为更有效的输入集。与仅向机器学习过程提供原始数据相比，其动机是使用这些额外的功能来提高机器学习的准确性和决策能力。

数据清洗过程包括数据对齐、缺失值处理、异常值处理、数据转化等数据处理方法