Esportazione delle caratteristiche

Questo documento descrive le opzioni per rendere disponibili le funzionalità per l'addestramento e l'inferenza dei modelli BigQuery ML. Per tutte le opzioni, devi prima salvare le funzionalità nelle tabelle BigQuery come passaggio preliminare.

Correttezza point-in-time

I dati utilizzati per addestrare un modello spesso hanno dipendenze temporali integrate. Quando crei una tabella delle caratteristiche per le caratteristiche sensibili al tempo, includi una colonna timestamp per rappresentare i valori delle caratteristiche così come esistevano in un determinato momento per ogni riga. Puoi quindi utilizzare le funzioni di ricerca point-in-time quando esegui query sui dati di queste tabelle delle funzionalità per assicurarti che non si verifichi perdita di dati tra l'addestramento e la pubblicazione. Questo processo consente la correttezza point-in-time.

Utilizza le seguenti funzioni per specificare i limiti point-in-time durante il recupero delle funzionalità sensibili al tempo:

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Erogare funzionalità in BigQuery ML

Per addestrare i modelli ed eseguire l'inferenza batch in BigQuery ML, puoi recuperare le funzionalità utilizzando una delle funzioni di ricerca point-in-time descritte nella sezione Correttezza point-in-time. Puoi includere queste funzioni nella clausola query_statement dell'istruzione CREATE MODEL per l'addestramento o nella clausola query_statement della funzione con valori di tabella appropriata, ad esempio ML.PREDICT, per la pubblicazione.

Gestire le caratteristiche con Vertex AI Feature Store

Per utilizzare le funzionalità nei modelli BigQuery ML registrati in Gemini Enterprise Agent Platform, puoi utilizzare Vertex AI Feature Store. Vertex AI Feature Store funziona in base alle tabelle delle caratteristiche in BigQuery per gestire e pubblicare le caratteristiche con bassa latenza. Puoi utilizzare l'erogazione online per recuperare le funzionalità in tempo reale per la previsione online e puoi utilizzare l' erogazione offline per recuperare le funzionalità per l'addestramento del modello.

Per ulteriori informazioni sulla preparazione dei dati delle funzionalità di BigQuery da utilizzare in Vertex AI Feature Store, consulta Prepara l'origine dati.