Bereitstellung von Features
In diesem Dokument werden die Optionen beschrieben, mit denen Sie Features für das Training und die Inferenz von BigQuery ML-Modellen verfügbar machen können. Bei allen Optionen müssen Sie die Funktionen zuerst in BigQuery-Tabellen speichern.
Genauigkeit für einen bestimmten Zeitpunkt
Die Daten, die zum Trainieren eines Modells verwendet werden, enthalten häufig zeitliche Abhängigkeiten. Wenn Sie eine Feature-Tabelle für zeitsensible Features erstellen, fügen Sie eine Zeitstempelspalte hinzu, die die Feature-Werte zu einem bestimmten Zeitpunkt für jede Zeile darstellt. Sie können dann bei der Abfrage von Daten aus diesen Feature-Tabellen Funktionen für die Suche nach einem bestimmten Zeitpunkt verwenden, um sicherzustellen, dass es zwischen Training und Bereitstellung nicht zu einem Datenverlust kommt. Dadurch wird die zeitliche Genauigkeit aktiviert.
Verwenden Sie die folgenden Funktionen, um Sperrzeiten für einen bestimmten Zeitpunkt anzugeben, wenn Sie zeitsensible Features abrufen:
Funktionen in BigQuery ML bereitstellen
Wenn Sie Modelle in BigQuery ML trainieren und Batch-Inferenzen ausführen möchten, können Sie Funktionen für die stichtagsbezogene Suche verwenden, die im Abschnitt Stichtagsrichtigkeit beschrieben werden. Sie können diese Funktionen für das Training in die query_statement-Klausel der CREATE MODEL-Anweisung oder für die Auslieferung in die query_statement-Klausel der entsprechenden tabellenwertigen Funktion wie ML.PREDICT einfügen.
Funktionen mit dem Vertex AI Feature Store bereitstellen
Wenn Sie BigQuery ML-Modellen, die in Vertex AI registriert sind, Features bereitstellen möchten, können Sie den Vertex AI Feature Store verwenden. Vertex AI Feature Store nutzt Feature-Tabellen in BigQuery, um Features mit niedriger Latenz zu verwalten und bereitzustellen. Mit der Onlinebereitstellung können Sie Features in Echtzeit für Onlinevorhersagen abrufen. Mit der Offlinebereitstellung können Sie Features für das Modelltraining abrufen.
Weitere Informationen zum Vorbereiten von BigQuery-Feature-Daten für die Verwendung im Vertex AI Feature Store finden Sie unter Datenquelle vorbereiten.