ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา
หลีกเลี่ยงข้อมูลเป้าหมายรั่วไหลขณะสร้างชุดข้อมูลฝึก
ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
ปัญหาการเดินทางข้ามเวลา
เพื่อให้การฝึกสอนเป็นธรรม แต่ละป้ายกำกับต้องใช้ค่าฟีเจอร์ที่ทราบอยู่ก่อนเกิดเหตุการณ์ ไม่ใช่หลังจากนั้น หากสับสนเรื่องเวลา ก็จะนำข้อมูลจากอนาคตไหลเข้าสู่โมเดลของคุณ ⏳
การรั่วไหลของป้ายกำกับคืออะไร
การรั่วไหลของป้ายกำกับเกิดขึ้นเมื่อฟีเจอร์แอบนำข้อมูลจากหลังช่วงเวลาที่ทำนายมาใช้ โมเดลดูยอดเยี่ยมเมื่อทำงานแบบออฟไลน์ แต่กลับล้มเหลวเมื่อนำไปใช้งานจริง
กับดักที่เห็นได้ชัด
การนำยอดคงเหลือของบัญชีวันนี้ไปเชื่อมกับสินเชื่อที่เกิดขึ้นเมื่อปีที่แล้ว เป็นตัวอย่างคลาสสิกของการรั่วไหล ค่าที่ถูกต้องคือยอดคงเหลือ ณเวลาที่ให้สินเชื่อ
การเชื่อมตามจุดเวลา
การเชื่อมตามจุดเวลาจะจับคู่แต่ละเหตุการณ์กับค่าฟีเจอร์ล่าสุดที่มีอยู่ ณ หรือก่อนเวลาประทับของเหตุการณ์นั้น จึงไม่มีการแอบดูข้อมูลล่วงหน้า
DataFrame ของเอนทิตี
คุณส่งDataFrame ของเอนทิตีให้ Feast ซึ่งประกอบด้วยคีย์เอนทิตีและเวลาประทับของเหตุการณ์สำหรับแต่ละแถวการฝึกสอนที่คุณต้องการฟีเจอร์
entity_df = pd.DataFrame({"driver_id": [1001], "event_timestamp": [pd.Timestamp("2024-01-01")]})ดึงฟีเจอร์ในอดีต
เรียกใช้ get_historical_features พร้อม DataFrame นั้น แล้ว Feast จะดำเนินการเชื่อมตามเวลาเข้ากับคลังออฟไลน์ให้คุณ
store.get_historical_features(entity_df=entity_df, features=["driver_stats:conv_rate"])แปลงเป็นชุดข้อมูล
เรียกใช้ to_df กับผลลัพธ์เพื่อรับ DataFrame สำหรับการฝึกสอน ซึ่งทุกแถวมีค่าฟีเจอร์ที่ถูกต้องและไม่มีการรั่วไหล
training_df = job.to_df()TTL ช่วยรักษาความใหม่ของข้อมูล
หากค่าที่ใกล้ที่สุดเก่ากว่าอายุการใช้งานของฟีเจอร์ Feast จะปล่อยค่าเป็นค่าว่าง แทนที่จะนำค่าที่ล้าสมัยมาเชื่อมให้
ตรรกะเดียวกัน คลังข้อมูลสองแห่ง
การอ่านข้อมูลในอดีตจะใช้คลังออฟไลน์สำหรับการฝึกสอน ส่วนการอ่านข้อมูลออนไลน์จะใช้คลังออนไลน์สำหรับการให้บริการ คำจำกัดความของฟีเจอร์ยังคงเหมือนเดิม จึงไม่เกิดความคลาดเคลื่อน
เหตุใดเรื่องนี้จึงสำคัญ
ความถูกต้องตามจุดเวลาคือสิ่งที่ทำให้คะแนนออฟไลน์เป็นคะแนนที่คุณไว้วางใจได้ หากข้ามขั้นตอนนี้ ตัวเลขการตรวจสอบของคุณก็เป็นเพียงคำโกหกที่ฟังดูน่าอุ่นใจ 🎯
ภาพรวมทั้งหมด
กำหนดครั้งเดียว บันทึกเพื่อความเร็ว และเชื่อมตามเวลาเพื่อการฝึกสอน ทั้งหมดนี้ทำให้คุณมีคลังฟีเจอร์ที่รวดเร็ว สอดคล้องกัน และสะท้อนความเป็นจริง
ตรวจสอบอย่างรวดเร็ว
เหตุใดจึงควรใช้การเชื่อมตามจุดเวลาเมื่อสร้างชุดข้อมูลสำหรับการฝึกสอน
สรุปทบทวน
คุณใช้การเชื่อมแบบตามจุดเวลาผ่าน get_historical_features เพื่อสร้างชุดข้อมูลฝึกสอนที่ไม่มีการรั่วไหล ขณะเดียวกันคำจำกัดความเดิมก็ใช้สำหรับการให้บริการออนไลน์ นี่คือวงจรคลังฟีเจอร์ที่สมบูรณ์ 🏁
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา”
หลีกเลี่ยงข้อมูลเป้าหมายรั่วไหลขณะสร้างชุดข้อมูลฝึก คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม
ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- เหตุใดจึงมีคลังฟีเจอร์
- กำหนดมุมมองฟีเจอร์ด้วย Feast
- ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์
- ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา