Esportazione delle caratteristiche
Puoi rendere disponibili le caratteristiche per l'addestramento e l'inferenza del modello BigQuery ML utilizzando diverse opzioni di pubblicazione. Per tutte le opzioni, devi prima salvare le caratteristiche nelle tabelle BigQuery come prerequisito.
Correttezza point-in-time
I dati utilizzati per addestrare un modello spesso contengono 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 di caratteristiche per assicurarti che non si verifichi una fuga di dati tra l'addestramento e la pubblicazione. Questo processo consente la correttezza point-in-time.
Utilizza le seguenti funzioni per specificare i limiti temporali durante il recupero di caratteristiche sensibili al tempo:
Pubblica le caratteristiche in BigQuery ML
Per addestrare i modelli ed eseguire l'inferenza batch in BigQuery ML, puoi recuperare le caratteristiche 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.
Pubblica le caratteristiche con Vertex AI Feature Store
Per fornire funzionalità ai modelli BigQuery ML registrati in Gemini Enterprise Agent Platform, puoi utilizzare Vertex AI Feature Store. Vertex AI Feature Store funziona sulle tabelle delle caratteristiche in BigQuery per gestire e pubblicare le caratteristiche con bassa latenza. Puoi utilizzare l'erogazione online per recuperare le caratteristiche in tempo reale per la previsione online e l'erogazione offline per recuperare le caratteristiche per l'addestramento del modello.
Per saperne di più sulla preparazione dei dati delle caratteristiche di BigQuery da utilizzare in Vertex AI Feature Store, consulta Prepara l'origine dati.