特徵交叉 是透過交叉 (取笛卡兒乘積) 資料集的兩個或多個分類或分割特徵來建立。與多項式轉換一樣，特徵交叉可讓線性模型處理非線性問題。地圖交叉點也會對地圖項目之間的互動進行編碼。
舉例來說，請考慮含有類別特徵的葉資料集：
edges，包含值smooth、toothed和lobedarrangement，包含值opposite和alternate
假設上方的順序是單熱點表示法中的功能欄順序，因此具有 smooth 邊緣和 opposite 排列的葉子會以 {(1, 0, 0), (1, 0)} 表示。
這兩個地點特徵的笛卡兒乘積如下：
{Smooth_Opposite, Smooth_Alternate, Toothed_Opposite, Toothed_Alternate,
Lobed_Opposite, Lobed_Alternate}
其中每個項的值是基本特徵值的乘積，例如：
Smooth_Opposite = edges[0] * arrangement[0]Smooth_Alternate = edges[0] * arrangement[1]Toothed_Opposite = edges[1] * arrangement[0]Toothed_Alternate = edges[1] * arrangement[1]Lobed_Opposite = edges[2] * arrangement[0]Lobed_Alternate = edges[2] * arrangement[1]
舉例來說，如果葉節具有 lobed 邊緣和 alternate 排列方式，則特徵交叉向量會為 Lobed_Alternate 提供 1 的值，並為所有其他字詞提供 0 的值：
{0, 0, 0, 0, 0, 1}
由於這些特徵在同一物種中不會有所差異，因此這個資料集可用於依樹種分類葉片。
使用交叉特徵的時機
領域知識可提供有用的特徵組合，供您進行交叉比對。缺乏該領域的知識，就很難手動判斷有效的特徵交叉或多項式轉換。在訓練期間，如果運算成本高昂，通常可以使用神經網路自動找出並套用實用的功能組合。
請注意，交叉兩個稀疏特徵會產生比兩個原始特徵更稀疏的新特徵。舉例來說，如果特徵 A 是 100 個元素的稀疏特徵，而特徵 B 是 200 個元素的稀疏特徵，則 A 和 B 的特徵交叉會產生 20,000 個元素的稀疏特徵。