本发明公开了基于统计变换的特征工程方法及装置，该方法包括特征变换、特征显化、统计显化、统计重组四个步骤，通过关键特征搜索和统计变换的方法，特别针对长周期缓慢变化且周期不定且不定时杂入不定数量、不定强度异常样本的过程数据，通过将以时基为参考的序列转化为以事件为参考的序列，重新组织成形式统一、位置固定的形式同时仍保留原始数据中特征自身及特征间的统计信息，从而后使得面向该类型过程的机器学习由不可能变为可能和/或大幅降低算力需求。本发明实现了将任意灵活的序列转变为统一的形式，而且每个位置上出现的数据的意义也是完全相同的，适合作为机器学习的输入数据，同时依然能够最大限度保留原始数据的有用信息。