Feature erstellen

Sie können ein Feature erstellen, nachdem Sie eine Featuregruppe erstellt und eine BigQuery-Tabelle oder ‑Ansicht damit verknüpft haben. Sie können mehrere Features für eine Featuregruppe erstellen und jedes Feature einer bestimmten Spalte in der BigQuery-Datenquelle zuordnen. Informationen zur Verwendung von BigQuery finden Sie in der BigQuery-Dokumentation.

Beispiel: Wenn die Funktionsgruppe featuregroup1 mit der BigQuery-Tabelle datasource_1 verknüpft ist und Featurewerte in den Spalten fval1 und fval2 enthält, können Sie ein Feature feature_1 unter featuregroup1 erstellen und es mit den Featurewerten in der Spalte fval1 verknüpfen. Ebenso können Sie ein weiteres Feature mit dem Namen feature_2 erstellen und es mit den Featurewerten in der Spalte fval2 verknüpfen.

Einer Featuregruppe muss eine Feature-Datenquelle zugeordnet sein, bevor Sie Features erstellen können. Wenn der Featuregruppe keine Datenquelle zugeordnet ist, müssen Sie eine BigQuery-Datenquelle zuordnen, indem Sie die Featuregruppe aktualisieren, bevor Sie darin Features erstellen können.

Ob es für Sie obligatorisch, optional oder nicht ratsam ist, Ihre Feature-Daten mithilfe von Featuregruppen und Features zu registrieren, erfahren Sie hier:

Hinweise

Authentifizieren Sie sich bei Vertex AI, sofern nicht bereits geschehen.

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

Wenn Sie die Python -Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung verwenden möchten, installieren und initialisieren Sie die gcloud CLI und richten Sie dann die Standardanmeldedaten für Anwendungen mit Ihren Nutzeranmeldedaten ein.

    Installieren Sie die Google Cloud CLI.

    Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

    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.

    If an authentication error is returned, and you are using an external identity provider (IdP), confirm that you have signed in to the gcloud CLI with your federated identity.

Weitere Informationen finden Sie unter Set up authentication for a local development environment.

REST

Wenn Sie die REST API-Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung verwenden möchten, nutzen Sie die Anmeldedaten, die Sie der gcloud CLI bereitstellen.

    Installieren Sie die Google Cloud CLI.

    Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Weitere Informationen finden Sie in der Dokumentation zur Google Cloud -Authentifizierung unter Für die Verwendung von REST authentifizieren.

Feature in einer Featuregruppe erstellen

Verwenden Sie die folgenden Beispiele, um ein Feature in einer Featuregruppe zu erstellen und eine Spalte mit Featurewerten aus der für die Featuregruppe registrierten BigQuery-Datenquelle zu verknüpfen.

Konsole

So fügen Sie einer vorhandenen Featuregruppe mit der Google Cloud Console Features hinzu:

  1. Rufen Sie im Bereich „Vertex AI“ der Google Cloud Console die Seite Feature Store auf.

    Zur Seite „Feature Store“

  2. Klicken Sie im Abschnitt der Featuregruppen auf in der Zeile der Featuregruppe, der Sie ein Feature hinzufügen möchten, und klicken Sie dann auf Funktionen hinzufügen.

  3. Geben Sie für jedes Feature einen Feature-Namen ein und klicken Sie in der Liste auf den entsprechenden Namen der BigQuery-Quellspalte. Wenn Sie weitere Features hinzufügen möchten, klicken Sie auf Weiteres Feature hinzufügen.

  4. Klicken Sie auf Erstellen.

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Python-API-Referenzdokumentation. 


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: Ihre Projekt-ID.
  • location: Die Region, in der sich die Featuregruppe befindet, z. B. us-central1.
  • existing_feature_group_id: Der Name der vorhandenen Featuregruppe, in der Sie das Feature erstellen möchten.
  • version_column_name: Optional: Die Spalte aus der BigQuery-Tabelle oder -Ansicht, die Sie dem Feature zuordnen möchten. Wenn Sie diesen Parameter nicht angeben, wird er standardmäßig auf FEATURE_NAME gesetzt.
  • feature_id: Der Name des neuen Features, das Sie erstellen möchten.

REST

Senden Sie zum Erstellen einer Feature-Ressource eine POST-Anfrage mit der Methode features.create.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION_ID: Die Region, in der sich die Featuregruppe befindet, z. B. us-central1.
  • PROJECT_ID: Ihre Projekt-ID.
  • FEATUREGROUP_NAME: Der Name der Featuregruppe, in der Sie das Feature erstellen möchten.
  • FEATURE_NAME: Der Name des neuen Features, das Sie erstellen möchten.
  • VERSION_COLUMN_NAME: Optional: Die Spalte aus der BigQuery-Tabelle oder -Ansicht, die Sie dem Feature zuordnen möchten. Wenn Sie diesen Parameter nicht angeben, wird er standardmäßig auf FEATURE_NAME gesetzt.

HTTP-Methode und URL:

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

JSON-Text der Anfrage:

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

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

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

$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

Sie sollten in etwa folgende JSON-Antwort erhalten:

{
  "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"
    }
  }
}

Nächste Schritte