Creare una funzionalità

Puoi creare una caratteristica dopo aver creato un gruppo di caratteristiche e associato una tabella BigQuery o una vista BigQuery. Puoi creare più caratteristiche per un gruppo di caratteristiche e associare ogni caratteristica a una colonna specifica nell'origine dati BigQuery. Per informazioni su come utilizzare BigQuery, consulta la documentazione di BigQuery.

Ad esempio, se il gruppo di caratteristiche featuregroup1 è associato alla tabella BigQuery datasource_1 contenente i valori delle caratteristiche nelle colonne fval1 e fval2, puoi creare la caratteristica feature_1 in featuregroup1 e associarla ai valori delle caratteristiche nella colonna fval1. Allo stesso modo, puoi creare un'altra funzionalità denominata feature_2 e associarla ai valori delle funzionalità nella colonna fval2.

Un gruppo di caratteristiche deve avere un'origine dati delle caratteristiche associata prima di poter creare le caratteristiche. Se il gruppo di caratteristiche non ha un'origine dati associata, devi associare un'origine dati BigQuery aggiornando il gruppo di caratteristiche, prima di poter creare caratteristiche al suo interno.

Per capire se è obbligatorio, facoltativo o sconsigliabile registrare i dati delle funzionalità utilizzando gruppi di funzionalità e funzionalità, consulta quanto segue:

Prima di iniziare

Autenticati su Vertex AI, a meno che tu non l'abbia già fatto.

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

Per utilizzare gli esempi di Python questa pagina in un ambiente di sviluppo locale, installa e inizializza gcloud CLI, quindi configura le credenziali predefinite dell'applicazione con le tue credenziali utente.

    Installa Google Cloud CLI.

    Se utilizzi un provider di identità (IdP) esterno, devi prima accedere a gcloud CLI con la tua identità federata.

    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.

Per ulteriori informazioni, vedi Set up authentication for a local development environment.

REST

Per utilizzare gli esempi di API REST in questa pagina in un ambiente di sviluppo locale, utilizza le credenziali che fornisci a gcloud CLI.

    Installa Google Cloud CLI.

    Se utilizzi un provider di identità (IdP) esterno, devi prima accedere a gcloud CLI con la tua identità federata.

Per saperne di più, consulta Autenticarsi per l'utilizzo di REST nella documentazione sull'autenticazione di Google Cloud .

Creare una funzionalità all'interno di un gruppo di funzionalità

Utilizza i seguenti esempi per creare una caratteristica all'interno di un gruppo di caratteristiche e associare una colonna contenente i valori delle caratteristiche dall'origine dati BigQuery registrata per il gruppo di caratteristiche.

Console

Segui queste istruzioni per aggiungere funzionalità a un gruppo di funzionalità esistente utilizzando la console Google Cloud .

  1. Nella sezione Vertex AI della console Google Cloud , vai alla pagina Feature Store.

    Vai alla pagina Feature Store

  2. Nella sezione Gruppi di funzionalità, fai clic su nella riga corrispondente al gruppo di funzionalità a cui vuoi aggiungere una funzionalità, quindi fai clic su Aggiungi funzionalità.

  3. Per ogni caratteristica, inserisci un Nome della caratteristica e fai clic sul nome della colonna di origine BigQuery corrispondente nell'elenco. Per aggiungere altre funzionalità, fai clic su Aggiungi un'altra funzionalità.

  4. Fai clic su Crea.

Python

Per scoprire come installare o aggiornare l'SDK Vertex AI Python, consulta Installare l'SDK Vertex AI Python. Per saperne di più, consulta la documentazione di riferimento dell'API 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: il tuo ID progetto.
  • location: la regione in cui si trova il gruppo di funzionalità, ad esempio us-central1.
  • existing_feature_group_id: il nome del gruppo di funzionalità esistente in cui vuoi creare la funzionalità.
  • version_column_name: (facoltativo) la colonna della tabella o della vista BigQuery che vuoi associare alla funzionalità. Se non specifichi questo parametro, per impostazione predefinita viene impostato su FEATURE_NAME.
  • feature_id: il nome della nuova funzionalità che vuoi creare

REST

Per creare una risorsa Feature, invia una richiesta POST utilizzando il metodo features.create.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: la regione in cui si trova il gruppo di funzionalità, ad esempio us-central1.
  • PROJECT_ID: il tuo ID progetto.
  • FEATUREGROUP_NAME: il nome del gruppo di funzionalità in cui vuoi creare la funzionalità.
  • FEATURE_NAME: il nome della nuova funzionalità che vuoi creare.
  • VERSION_COLUMN_NAME: (facoltativo) la colonna della tabella o della vista BigQuery che vuoi associare alla funzionalità. Se non specifichi questo parametro, per impostazione predefinita viene impostato su FEATURE_NAME.

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, ed esegui questo 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

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$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

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "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"
    }
  }
}

Passaggi successivi