Dlaczego istnieją magazyny cech

Kod trenowania oblicza średnią z 7 dni, a kod obsługujący predykcje robi to ponownie. Dwie kopie tej samej logiki to sytuacja, w której przydaje się feature store. 🧩

Feature to pojedynczy sygnał wejściowy, na podstawie którego model się uczy, na przykład łączna liczba zamówień klienta w tym miesiącu. Modele korzystają z cech, a nie z surowych wierszy.

Gdy potok offline i działająca usługa obliczają cechę choćby nieco inaczej, pojawia się training-serving skew, a dokładność po cichu spada.

Feature store pozwala zapisać każdą cechę raz, a następnie odczytywać ją podczas trenowania i predykcji w czasie rzeczywistym. Ta sama matematyka w obu miejscach.

Offline store przechowuje bogatą historię do trenowania, a online store przechowuje aktualne wartości umożliwiające szybkie wyszukiwanie podczas predykcji. Dwa magazyny, jedno źródło prawdy.

Gdy cecha znajduje się już w magazynie, każdy współpracownik może jej ponownie użyć zamiast tworzyć ją od nowa. Koniec z pięcioma wersjami customer_lifetime_value krążącymi po projekcie.

Feast to open-source'owy feature store dla języka Python. Łączy źródła danych z trenowaniem i obsługą predykcji, nie uzależniając użytkownika od jednej chmury.

Podczas obsługi predykcji pobierasz cechę w milisekundach na podstawie entity key, na przykład identyfikatora użytkownika, zamiast obliczać ją na bieżąco. W środowisku produkcyjnym szybkość ma znaczenie.

Feature store może udostępnić wartość cechy taką, jaka była w dowolnym momencie w przeszłości, co pozwala zachować poprawność etykiet treningowych.

Pojedynczy model z predykcjami wyłącznie wsadowymi może jeszcze go nie potrzebować. Feature store sprawdza się szczególnie wtedy, gdy wiele modeli współdzieli cechy online.

Zdefiniuj raz, udostępniaj wszędzie i zachowaj spójność. Ta gwarancja spójności jest głównym powodem istnienia feature stores. ✨

Dowiedziałeś się, dlaczego istnieją feature stores: zdefiniuj feature raz, udostępniaj ją spójnie offline i online oraz wyeliminuj training-serving skew. Następnie zdefiniujesz ją w Feast.