Crea un atributo

Puedes crear un atributo después de crear un grupo de funciones y asociarles una tabla o vista de BigQuery. Puedes crear varios atributos para un grupo de funciones y asociar cada uno de ellos con una columna específica en la fuente de datos de BigQuery. Para obtener información sobre cómo usar BigQuery, consulta la Documentación de BigQuery.

Por ejemplo, si el grupo de funciones featuregroup1 se asocia con la tabla de BigQuery datasource_1 que contiene valores de atributos en las columnas fval1 y fval2, puedes crear el atributo feature_1 en featuregroup1 y asociarlo con los valores de atributos de la columna fval1. De manera similar, puedes crear otro atributo con el nombre feature_2 y asociarlo con los valores de atributos en la columna fval2.

Registrar tu fuente de datos con grupos de atributos y funciones tiene las siguientes ventajas:

  • Puedes definir una vista de atributos para la entrega en línea a través de columnas de atributos específicas provenientes de múltiples fuentes de datos de BigQuery.

  • Puedes darles formato a tus datos como una serie temporal si incluyes la columna feature_timestamp. Vertex AI Feature Store solo entrega los valores de atributos más recientes de los datos de atributos y excluye los históricos.

  • Puedes descubrir la fuente de BigQuery como la fuente de datos de atributos asociada cuando buscas el recurso de atributo en Data Catalog.

Antes de comenzar

Autentícate en Vertex AI, a menos que ya lo hayas hecho.

Select the tab for how you plan to use the samples on this page:

Console

When you use the Google Cloud console to access Google Cloud services and APIs, you don't need to set up authentication.

Python

Para usar las muestras de Python de esta página en un entorno de desarrollo local, instala e inicializa gcloud CLI y, luego, configura las credenciales predeterminadas de la aplicación con tus credenciales de usuario.

  1. Install the Google Cloud CLI.

  2. To initialize the gcloud CLI, run the following command: 

    gcloud init

  3. If you're using a local shell, then create local authentication credentials for your user account: 

    gcloud auth application-default login

    You don't need to do this if you're using Cloud Shell.

Para obtener más información, consulta Set up authentication for a local development environment.

REST

Para usar las muestras de la API de REST en esta página en un entorno de desarrollo local, debes usar las credenciales que proporcionas a la CLI de gcloud.

    Install the Google Cloud CLI, then initialize it by running the following command: 

    gcloud init

Si deseas obtener más información, consulta Autentica para usar REST en la documentación de autenticación de Google Cloud.

Crea un componente dentro de un grupo de funciones

Usa los siguientes ejemplos para crear un atributo dentro de un grupo de atributos y asociar una columna que contenga valores de la fuente de datos de atributos de BigQuery registrada para el grupo de atributos.

Console

Usa las siguientes instrucciones para agregar atributos a un grupo de atributos existente con la consola de Google Cloud.

  1. En la sección Vertex AI de la consola de Google Cloud, ve a a la página de Feature Store.

    Ir a la página Feature Store

  2. En la sección Grupos de atributos, haz clic en en la fila correspondiente al grupo de atributos en el que deseas agregar un atributo y, luego, haz clic en Agregar funciones.

  3. Para cada atributo, ingresa un Nombre del atributo y haz clic en el nombre de la columna de origen de BigQuery correspondiente en la lista. Para agregar más atributos, haz clic en Agregar otro atributo.

  4. Haz clic en Crear.

Python

Si deseas obtener información para instalar o actualizar el SDK de Vertex AI para Python, consulta Instala el SDK de Vertex AI para Python. Si deseas obtener más información, consulta la documentación de referencia de la API de Python. 


from google.cloud import aiplatform
from vertexai.resources.preview import feature_store


def create_feature_sample(
    project: str,
    location: str,
    existing_feature_group_id: str,
    feature_id: str,
    version_column_name: str,
):
    aiplatform.init(project=project, location=location)
    feature_group = feature_store.FeatureGroup(existing_feature_group_id)
    feature = feature_group.create_feature(
        name=feature_id, version_column_name=version_column_name
    )
    return feature
  • project: ID del proyecto
  • location: Es la región en la que se encuentra el grupo de atributos, como us-central1.
  • existing_feature_group_id: Es el nombre del grupo de atributos existente con el que quieres crear el atributo.
  • version_column_name: Es la columna de la tabla o vista de BigQuery o que quieres asociar con el atributo. Si no especificas este parámetro, se establece en FEATURE_NAME, de forma predeterminada.
  • feature_id: El nombre del atributo nuevo que deseas crear

REST

Para crear un recurso de Feature envía una solicitud POST a través del método features.create.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

  • LOCATION_ID: Es la región en la que se encuentra el grupo de atributos, como us-central1.
  • PROJECT_ID: ID del proyecto
  • FEATUREGROUP_NAME: Es el nombre del grupo de atributos con el que quieres crear el componente.
  • FEATURE_NAME: El nombre del atributo nuevo que deseas crear.
  • VERSION_COLUMN_NAME: Es la columna de la tabla o vista de BigQuery o que quieres asociar con el atributo. Si no especificas este parámetro, se establece en FEATURE_NAME, de forma predeterminada.

Método HTTP y URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME

Cuerpo JSON de la solicitud:

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Para enviar tu solicitud, elige una de estas opciones:

curl

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente comando:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME"

PowerShell

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente comando:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME" | Select-Object -Expand Content

Deberías recibir una respuesta JSON similar a la que se muestra a continuación:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features/FEATURE_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.UpdateFeatureOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-18T02:36:22.870679Z",
      "updateTime": "2023-09-18T02:36:22.870679Z"
    }
  }
}

¿Qué sigue?