Gedung Ciri: Feast dan Tecton
Gedung ciri dalam talian berbanding luar talian, pemversian ciri, cantuman pada titik masa, kependaman penyajian.
Gedung Ciri: Feast dan Tecton ialah pelajaran Pelajari AI dengan Python percuma di CoddyKit. Ini ialah pelajaran 3 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Pelajari AI dengan Python, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Pelajari AI dengan Python merangkumi sejumlah 4 pelajaran.
Masalah Stor Ciri
Pasukan berulang kali melaksanakan semula ciri yang sama, dan saluran paip latihan mengira ciri secara berbeza daripada kod penyajian. Stor ciri memusatkan takrif, penggunaan semula dan penyajian ciri, sekali gus menghapuskan kerja pendua serta ketidakselarasan antara latihan dan penyajian.
Feast dan Tecton
Dua stor ciri utama:
- Feast: sumber terbuka, ringan dan menggunakan infrastruktur sendiri
- Tecton: komersial dan terurus, dengan tambahan saluran paip ciri penstriman serta tadbir urus
Kedua-duanya berkongsi konsep teras entiti, ciri dan stor luar talian/dalam talian.
Entiti dan Paparan Ciri
Entiti ialah perkara yang diterangkan oleh ciri (seorang pengguna atau suatu produk). Paparan ciri mengumpulkan ciri berkaitan untuk satu entiti dan menunjuk kepada sumber data. Takrif ini disimpan dalam kod serta diversi seperti artifak lain.
# A user entity with features:
# avg_purchase, days_since_signup, total_ordersfeast apply
feast apply mendaftarkan takrif entiti dan paparan ciri anda dengan daftar stor ciri. Inilah cara stor mengetahui ciri yang wujud serta tempat data ciri itu datang.
feast apply
# Registered entity user
# Registered feature view user_statsMaterialisasi
Ciri mesti dimuatkan ke dalam stor dalam talian sebelum penyajian. Materialisasi mengira nilai ciri sehingga suatu titik masa dan menulisnya ke stor dalam talian (contohnya Redis) supaya nilai tersebut sedia dibaca dengan kependaman rendah.
feast materialize
feast materialize menerima tarikh mula dan tarikh tamat, kemudian memuatkan nilai ciri untuk tempoh tersebut ke dalam stor dalam talian. Anda menjalankannya mengikut jadual supaya ciri dalam talian sentiasa terkini.
feast materialize 2024-01-01T00:00:00 2024-01-31T00:00:00Penyajian Dalam Talian
Pada masa inferens, anda mendapatkan ciri terkini bagi entiti tertentu dengan get_online_features, sambil menghantar baris_entiti yang mengenal pasti entiti untuk dicari. Fungsi ini mengembalikan nilai terkini dalam masa milisaat.
from feast import FeatureStore
store = FeatureStore(repo_path=".")
features = store.get_online_features(
features=["user_stats:avg_purchase", "user_stats:total_orders"],
entity_rows=[{"user_id": 123}],
).to_dict()Membina Data Latihan
Untuk latihan, anda mencantumkan nilai ciri dengan label sejarah. Stor ciri membaca daripada stor luar talian dan mengembalikan set data yang diselaraskan dengan cap masa setiap label, sekali gus memastikan input latihan sepadan dengan perkara yang akan disediakan oleh penyajian.
training_df = store.get_historical_features(
entity_df=labels_df, # has user_id and event_timestamp
features=["user_stats:avg_purchase"],
).to_df()Cantuman pada Titik Masa
Jaminan utama stor ciri ialah cantuman pada titik masa: bagi setiap label latihan, stor hanya mendapatkan nilai ciri yang diketahui pada atau sebelum cap masa label tersebut. Ini menghalang penggunaan maklumat masa hadapan.
Mencegah Kebocoran Data
Tanpa ketepatan titik masa, anda berisiko mengalami kebocoran data: melatih model menggunakan nilai ciri yang dikira selepas peristiwa label, yang meningkatkan metrik luar talian tetapi merosot dalam pengeluaran. Stor ciri menguatkuasakan ketepatan temporal secara automatik.
Kitar Hayat Lengkap
Kitar hayat stor ciri menggabungkan semuanya:
feast applymendaftarkan takriffeast materializememuatkan stor dalam talian- latihan menggunakan cantuman pada titik masa daripada stor luar talian
- penyajian membaca nilai terkini melalui
get_online_features
Semakan Pantas
Uji pengetahuan anda tentang stor ciri.
Imbas Kembali
Anda telah mempelajari stor ciri dengan Feast dan Tecton:
feast applymendaftarkan entiti dan paparan cirifeast materializememuatkan stor dalam talian untuk tarikh yang diberikanget_online_featuresmenyediakan nilai terkini untuk baris_entiti- Cantuman pada titik masa membina data latihan tanpa kebocoran
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 53
- Pelajaran
- 225
Soalan Lazim
Adakah pelajaran “Gedung Ciri: Feast dan Tecton” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Pelajari AI dengan Python, termasuk “Gedung Ciri: Feast dan Tecton”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Pelajari AI dengan Python merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Gedung Ciri: Feast dan Tecton”?
Gedung ciri dalam talian berbanding luar talian, pemversian ciri, cantuman pada titik masa, kependaman penyajian. Anda berlatih Pelajari AI dengan Python menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Pelajari AI dengan Python?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Pelajari AI dengan Python di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 3 daripada 4.
Berapa lamakah pelajaran “Gedung Ciri: Feast dan Tecton” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Pelajari AI dengan Python ini?
Ya. Setiap pelajaran Pelajari AI dengan Python menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Corak Seni Bina Sistem Kecerdasan Buatan
- Pipeline Pembelajaran Mesin Boleh Skala dengan Airflow
- Gedung Ciri: Feast dan Tecton
- Kebolehlihatan dan Pemantauan Sistem Kecerdasan Buatan