打开任意一个电竞赛事数据页面，你会看到比分、击杀数、经济差、推塔数这些直观数字。但把这些数字直接丢给一个预测模型，它大概率学不到什么有用的东西。从原始数据到模型真正能消化的输入变量，中间隔着一道关键工序，就是特征工程。
简单来说，特征工程做的事情是：把比赛过程中产生的原始记录，转化成一组有预测意义的数值或类别变量，让模型能够从中发现规律。这个过程决定了模型能看到什么、看不到什么，也很大程度上决定了预测结果的上限。
以英雄联盟为例。一场比赛的原始数据可能包括双方阵容、各位置英雄选择、每分钟经济曲线、击杀事件时间轴、视野布控位置、大小龙刷新与击杀记录等。这些数据本身是流水账，模型无法直接理解。特征工程要做的，是从中提取出类似这样的变量：对线期经济差、一血发生时间、首条小龙归属、十五分钟推塔数、团战参与率、分均伤害转化效率等。每一个变量都是从原始数据中经过计算或映射得到的，它们才是模型实际使用的输入。
DOTA2的特征提取逻辑又不一样。由于英雄定位更灵活、分路变化更多，特征工程需要额外关注分路匹配情况、核心英雄的发育速度、辅助的游走频率、肉山盾的争夺时机等。CSGO则是另一种结构，回合制比赛让特征更偏向离散事件：手枪局胜率、首杀获取率、道具投掷效率、经济局翻盘次数、地图池偏好等。不同项目的比赛结构不同，特征设计必须跟着变，没有一套通用模板可以照搬。
特征工程中最容易被忽视也最危险的问题是数据泄漏。所谓数据泄漏，就是在构造特征时不小心用到了预测时间点之后才能知道的信息。比如你想预测一场比赛在二十分钟时的胜负走向，却在特征里加入了全场比赛的总击杀数，这个变量在预测时刻根本不存在。模型在训练集上可能表现极好，但实际使用时完全失效，因为它依赖了不该知道的信息。避免数据泄漏的核心原则是：每一个特征在预测发生的那一刻，都必须是可以获取的。
时间窗口的选取同样关键。电竞比赛的局势变化很快，一个选手过去十场比赛的平均表现，和过去三场比赛的平均表现，反映的是不同层面的信息。窗口太长会稀释近期状态变化，窗口太短则容易受偶然因素干扰。特征工程需要根据预测目标和项目节奏来选择合适的统计窗口，有时还需要同时构造多个窗口的特征，让模型自己判断哪个更重要。
特征筛选是另一个决定模型质量的关键步骤。构造出几十上百个特征之后，并不是全部塞进模型就好。冗余特征会增加计算负担，高度相关的特征可能导致模型对某些信息过度敏感，噪声特征则会干扰模型对真实信号的识别。常见的做法包括相关性分析、方差过滤、基于模型重要性的递归消除等。目标不是保留尽可能多的特征，而是找到一组彼此互补、与预测目标真正相关的变量集合。
在实际操作中，特征工程往往比算法选择更影响最终效果。同一个梯度提升模型，用经过精心构造和筛选的特征，和用原始数据直接输入，预测表现可能差距明显。这也是为什么很多电竞数据分析团队把大量精力花在特征设计上，而不是反复调参。
对于关注电竞比分和赛事数据的玩家来说，理解特征工程的意义在于：当你看到一个预测结论时，可以多想一步，这个结论是基于哪些信息得出的？这些信息在比赛进行到那个时刻是否真的可以获取？特征的质量和合理性，往往比模型本身更能决定预测的可信度。
如果你想进一步了解电竞预测的技术细节，可以从自己熟悉的项目入手，试着把一场比赛的原始数据拆解成几个你认为有预测价值的变量，再思考这些变量在预测时刻是否真的可用。这个练习本身就是在做特征工程。