Bereitstellung von Features

Nachdem Sie Features erstellt haben, können Sie diese für Modelltraining und Inferenz verfügbar machen In diesem Dokument werden die in BigQuery ML verfügbaren Featurebereitstellungsfunktionen beschrieben.

Genauigkeit für einen bestimmten Zeitpunkt

Die Daten, die zum Trainieren eines Modells verwendet werden, enthalten häufig zeitliche Abhängigkeiten. In Tabellen mit zeitsensiblen Features-ist eine Zeitstempelspalte vorhanden, die die Feature-Werte zu einem bestimmten Zeitpunkt für jede Zeile wiedergibt. Sie können bei der Abfrage von Daten aus Tabellen mit zeitsensiblen Features 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:

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Mit den abgerufenen Features können Sie die folgenden Aufgaben ausführen:

• Trainieren Sie Modelle und führen Sie Inferenzen in BigQuery aus.
• Online-Features direkt im Vertex AI Feature Store bereitstellen

Onlinebereitstellung mit Vertex AI Feature Store

Zusätzlich zur integrierten Unterstützung von Features in BigQuery ML können Sie mit der nahtlosen Integration in Vertex AI Feature Store Features mit niedriger Latenz verwalten und bereitstellen. Genauer gesagt haben die Möglichkeit, mit Funktionen für die Suche nach einem bestimmten Zeitpunkt Feature-Tabellen oder -Ansichten zu erstellen, die sich direkt bereitstellen lassen. Außerdem können Sie Feature-Tabellen manuell erstellen und diese für die Onlinebereitstellung bei Vertex AI Feature Store registrieren. Weitere Informationen finden Sie unter Datenquelle vorbereiten.