لماذا توجد مخازن السمات

تحسب شيفرة التدريب متوسطًا لسبعة أيام، ثم تحسبه شيفرة تقديم النموذج مرةً أخرى. إن وجود نسختين من المنطق نفسه هو ما يجعل مخزن الميزات مفيدًا. 🧩

الميزة هي إشارة إدخال واحدة يتعلم منها النموذج، مثل إجمالي طلبات عميل خلال هذا الشهر. فالنماذج تتعامل مع الميزات، لا مع الصفوف الخام.

عندما تحسب البنية غير المتصلة والخدمة المباشرة ميزةً بطريقة مختلفة ولو قليلًا، يحدث انحراف التدريب والتقديم، وتنخفض الدقة بهدوء.

يتيح لكم مخزن الميزات كتابة كل ميزة مرة واحدة، ثم قراءتها للتدريب وللتنبؤات الفورية. الحساب نفسه في كلا المكانين.

يحتوي المخزن غير المتصل على سجل تاريخي واسع للتدريب، بينما يحتفظ المخزن المتصل بالقيم الحديثة لعمليات البحث السريعة وقت التنبؤ. مخزنان ومصدر واحد للحقيقة.

بمجرد وجود الميزة في المخزن، يستطيع أي عضو في الفريق إعادة استخدامها بدلًا من إعادة بنائها. ولن تعود خمس نسخ من customer_lifetime_value منتشرة هنا وهناك.

Feast هو مخزن ميزات مفتوح المصدر مخصص لـ Python. ويربط مصادر البيانات بالتدريب والتقديم دون تقييدكم بسحابة واحدة.

وقت التقديم، تجلبون الميزة خلال أجزاء من الألف من الثانية باستخدام مفتاح الكيان، مثل معرّف المستخدم، بدلًا من إعادة حسابها أثناء التشغيل. فالسرعة مهمة في بيئة الإنتاج.

يمكن لمخزن الميزات تزويدكم بقيمة الميزة كما كانت في أي لحظة ماضية، وهذا ما يحافظ على صحة تسميات التدريب.

قد لا يحتاج نموذج واحد بتنبؤات دفعية فقط إلى مخزن ميزات بعد. وتبرز فائدته عندما يكون لديكم نماذج كثيرة تشترك في الميزات عبر الإنترنت.

عرّفوا الميزة مرة واحدة، وقدّموها في كل مكان، وحافظوا على اتساقها. ويُعد ضمان الاتساق هذا السبب الأساسي لوجود مخازن الميزات. ✨

ما المشكلة الأساسية التي يحلها مخزن الميزات؟

تعلّمتم سبب وجود مخازن الميزات: تعريف الميزة مرة واحدة، وتقديمها باتساق في الوضعين غير المتصل والمتصل، والقضاء على انحراف التدريب والتقديم. بعد ذلك، ستعرّفون ميزة في Feast.