特徵供應

您可以使用多種服務選項，將特徵用於 BigQuery ML 模型訓練和推論。無論選擇哪種方式，都必須先將特徵儲存在 BigQuery 資料表中。

時間點正確性

用來訓練模型的資料通常內建時間依附關係。為時效性特徵建立特徵資料表時，請加入時間戳記資料欄，代表各資料列在特定時間的特徵值。接著，您可以在查詢這些特徵資料表中的資料時，使用時間點查詢函式，確保訓練和提供服務之間不會發生資料外洩。這項程序可確保時間點正確性。

擷取時效性特徵時，請使用下列函式指定時間點截止：

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

在 BigQuery ML 中提供特徵

如要在 BigQuery ML 中訓練模型及執行批次推論，您可以使用「時間點正確性」一節所述的時間點查詢函式，擷取特徵。您可以在 CREATE MODEL 陳述式的 query_statement 子句中加入這些函式，用於訓練，或在適當資料表值函式 (例如 ML.PREDICT) 的 query_statement 子句中加入這些函式，用於提供服務。

使用 Vertex AI 特徵儲存庫提供特徵

如要將特徵提供給在 Gemini Enterprise Agent Platform 註冊的 BigQuery ML 模型，可以使用 Vertex AI 特徵儲存庫。Vertex AI 特徵儲存庫會以 BigQuery 中的特徵資料表為基礎，管理及提供特徵，且延遲時間極短。您可以使用線上提供功能，即時擷取特徵進行線上預測，也可以使用離線提供功能，擷取特徵進行模型訓練。

如要進一步瞭解如何準備 BigQuery 特徵資料，以便在 Vertex AI 特徵儲存庫 中使用，請參閱「準備資料來源」。