Penyajian fitur

Setelah membuat fitur, Anda dapat menyediakan fitur tersebut untuk pelatihan dan inferensi model. Dokumen ini menjelaskan kemampuan penyajian fitur yang tersedia di BigQuery ML.

Ketepatan point-in-time

Data yang digunakan untuk melatih model sering kali memiliki dependensi waktu yang tertanam di dalamnya. Tabel fitur yang sensitif waktu menyertakan kolom stempel waktu untuk menunjukkan nilai fitur sebagaimana adanya pada waktu tertentu untuk setiap baris. Anda dapat menggunakan fungsi pencarian point-in-time saat membuat kueri data dari tabel fitur yang sensitif waktu untuk memastikan tidak ada kebocoran data antara pelatihan dan penayangan. Hal ini memungkinkan ketepatan waktu.

Gunakan fungsi berikut untuk menentukan batas point-in-time saat mengambil fitur sensitif waktu:

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Anda dapat menggunakan fitur yang diambil untuk melakukan tugas berikut:

• Latih model dan jalankan inferensi di BigQuery ML.
• Menyajikan fitur online secara langsung di Vertex AI Feature Store.

Layanan online dengan Vertex AI Feature Store

Selain dukungan penyaluran fitur bawaan di BigQuery ML, integrasi yang lancar dengan Vertex AI Feature Store memungkinkan Anda mengelola dan menyajikan fitur dengan latensi rendah. Lebih khusus lagi, Anda dapat menggunakan fungsi pencarian point-in-time untuk membuat tabel atau tampilan fitur yang dapat ditayangkan secara langsung, atau Anda dapat membuat tabel fitur secara manual dan mendaftarkannya ke Vertex AI Feature Store untuk penayangan online. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan sumber data.