特征交互作用是指在机器学习或统计分析中，两个或多个特征（变量）共同作用时对目标变量产生的影响，这种影响不能简单地通过单个特征的独立效应来解释。特征交互作用揭示了特征之间的协同或对抗关系，有助于更深入地理解数据中的复杂模式。例如，在预测房价时，房屋面积和地理位置可能单独影响价格，但它们的交互作用可能表明在某些区域面积对价格的影响更大。识别和建模特征交互作用可以提高模型的预测性能和可解释性。常见的交互作用检测方法包括统计分析、决策树、基于乘积的特征交叉以及专门设计的交互作用网络等。