Bereitstellung von Features

In diesem Dokument werden die Optionen beschrieben, mit denen Sie Features für das BigQuery ML Modelltraining und die Inferenz verfügbar machen können. Bei allen Optionen müssen Sie die Features zuerst in BigQuery-Tabellen speichern.

Genauigkeit für einen bestimmten Zeitpunkt

Die Daten, die zum Trainieren eines Modells verwendet werden, enthalten häufig zeitliche Abhängigkeiten. Wenn Sie eine Featuretabelle für zeitsensible Features erstellen, fügen Sie eine Zeitstempelspalte ein, die die Featurewerte zu einem bestimmten Zeitpunkt für jede Zeile wiedergibt. Sie können dann bei der Abfrage von Daten aus diesen Featuretabellen Funktionen für die Suche nach einem bestimmten Zeitpunkt verwenden, um sicherzustellen, dass es zwischen Training und Bereitstellung nicht zu einem Daten verlust kommt. Dadurch wird die zeitliche Genauigkeit aktiviert.

Verwenden Sie die folgenden Funktionen, um Sperrzeiten für einen bestimmten Zeitpunkt anzugeben, wenn Sie zeitsensible Features abrufen:

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Features in BigQuery ML bereitstellen

Wenn Sie Modelle trainieren und Batch-Inferenz in BigQuery ML ausführen möchten, können Sie Features mit einer der Funktionen für die Suche nach einem bestimmten Zeitpunkt abrufen, die im Abschnitt Genauigkeit für einen bestimmten Zeitpunkt beschrieben werden. Sie können diese Funktionen in die query_statement Klausel der CREATE MODEL Anweisung für das Training oder in die query_statement Klausel der entsprechenden tabellarischen Funktion wie ML.PREDICT, für die Bereitstellung einfügen.

Features mit Vertex AI Feature Store bereitstellen

Wenn Sie Features für BigQuery ML-Modelle bereitstellen möchten, die in der Gemini Enterprise Agent Platform registriert sind, können Sie Vertex AI Feature Storeverwenden. Vertex AI Feature Store basiert auf Featuretabellen in BigQuery, um Features mit niedriger Latenz zu verwalten und bereitzustellen. Sie können die Onlinebereitstellung verwenden, um Features in Echtzeit für die Onlinevorhersage abzurufen, und Sie können die Offlinebereitstellung verwenden, um Features für das Modelltraining abzurufen.

Weitere Informationen zum Vorbereiten von BigQuery-Featuredaten für die Verwendung in Vertex AI Feature Store finden Sie unter Datenquelle vorbereiten.