Distribuzione delle caratteristiche
Questo documento descrive le opzioni a tua disposizione per rendere disponibili le caratteristiche per l'addestramento e l'inferenza dei modelli BigQuery ML. Per tutte le opzioni, devi salvare le funzionalità nelle tabelle BigQuery come primo passaggio necessario.
Correttezza point-in-time
I dati utilizzati per addestrare un modello spesso hanno dipendenze temporali incorporate. Quando crei una tabella delle caratteristiche per le caratteristiche urgenti, includi un timestamp per rappresentare i valori delle caratteristiche così come esistevano in un determinato momento per ogni riga di comando. Puoi quindi utilizzare le funzioni di ricerca in un determinato momento quando esegui query sui dati di queste tabelle di funzionalità per assicurarti che non ci siano perdite di dati tra l'addestramento e la pubblicazione. Questo processo consente la correttezza point-in-time.
Utilizza le seguenti funzioni per specificare i limiti temporali per il recupero funzionalità urgenti:
Gestisci le caratteristiche in BigQuery ML
Per addestrare modelli ed eseguire l'inferenza batch in BigQuery ML,
può recuperare caratteristiche utilizzando una delle funzioni di ricerca point-in-time descritte
nella sezione Correttività point-in-time. Puoi includere queste funzioni nella
clausola query_statement dell'istruzione CREATE MODEL per la formazione o nella clausola query_statement della funzione con valore di tabella appropriata, come
ML.PREDICT, per la pubblicazione.
Pubblicare funzionalità con Vertex AI Feature Store
Per pubblicare funzionalità per i modelli BigQuery ML registrati in Vertex AI, puoi utilizzare Vertex AI Feature Store. Vertex AI Feature Store funziona sulle tabelle di funzionalità in BigQuery per gestire ed eseguire il servizio delle funzionalità con bassa latenza. Puoi utilizzare la pubblicazione online per recuperare caratteristiche in tempo reale per la previsione online e puoi utilizzare pubblicazione offline per recuperare le caratteristiche per l'addestramento del modello.
Per saperne di più sulla preparazione dei dati delle funzionalità BigQuery da utilizzare in Vertex AI Feature Store, vedi Prepara l'origine dati.