Feature erstellen

Sie können ein Feature erstellen, nachdem Sie eine Featuregruppe erstellt und eine BigQuery-Tabelle oder ‐Ansicht damit verknüpft haben. Sie können mehrere Features für eine Featuregruppe erstellen und jedes Feature mit einer bestimmten Spalte in der BigQuery-Datenquelle verknüpfen. Informationen zur Verwendung von BigQuery finden Sie in der BigQuery-Dokumentation.

Beispiel: Wenn die Funktionsgruppe featuregroup1 mit der BigQuery-Tabelle datasource_1 verknüpft ist und Featurewerte in den Spalten fval1 und fval2 enthält, können Sie ein Feature feature_1 unter featuregroup1 erstellen und es mit den Featurewerten in der Spalte fval1 verknüpfen. Ebenso können Sie ein weiteres Feature mit dem Namen feature_2 erstellen und es mit den Featurewerten in der Spalte fval2 verknüpfen.

Einer Featuregruppe muss eine Featuredatenquelle zugeordnet sein, bevor Sie Features erstellen können. Wenn der Featuregruppe keine Datenquelle zugeordnet ist, müssen Sie eine BigQuery-Datenquelle zuordnen, indem Sie die Featuregruppe aktualisieren, bevor Sie darin Features erstellen können.

Informationen dazu, ob es obligatorisch, optional oder nicht empfehlenswert ist, Ihre Featuredaten mithilfe von Featuregruppen und Features zu registrieren, finden Sie unter:

Hinweis

Authentifizieren Sie sich bei Vertex AI, sofern nicht bereits geschehen.

Wählen Sie den Tab für die Verwendung der Beispiele auf dieser Seite aus:

Console

Wenn Sie über die Google Cloud Console auf Google Cloud Dienste und APIs zugreifen, müssen Sie die Authentifizierung nicht einrichten.

Python

Wenn Sie die Python-Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung verwenden möchten, installieren und initialisieren Sie die gcloud CLI und richten Sie dann die Standardanmeldedaten für Anwendungen mit Ihren Nutzeranmeldedaten ein.

  1. Installieren Sie die Google Cloud CLI.

  2. Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

  3. Wenn Sie eine lokale Shell verwenden, erstellen Sie lokale Anmeldedaten zur Authentifizierung für Ihr Nutzerkonto: 

    gcloud auth application-default login

    Wenn Sie Cloud Shell verwenden, ist dies nicht erforderlich.

    Wenn ein Authentifizierungsfehler zurückgegeben wird und Sie einen externen Identitätsanbieter (IdP) verwenden, prüfen Sie, ob Sie sich mit Ihrer föderierten Identität in der gcloud CLI angemeldet haben.

Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

REST

Wenn Sie die REST API-Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung verwenden möchten, verwenden Sie die Anmeldedaten, die Sie der gcloud CLI bereitstellen.

    Installieren Sie die Google Cloud CLI.

    Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

Weitere Informationen finden Sie in der Google Cloud Authentifizierungsdokumentation unter Für die Verwendung von REST authentifizieren.

Feature in einer Featuregruppe erstellen

Verwenden Sie die folgenden Beispiele, um ein Feature in einer Featuregruppe zu erstellen und eine Spalte mit Featurewerten aus der für die Featuregruppe registrierten BigQuery-Datenquelle zuzuordnen.

Console

So fügen Sie einer vorhandenen Featuregruppe über die Google Cloud Console Features hinzu:

  1. Rufen Sie im Bereich „Vertex AI“ der Google Cloud Console die Seite Feature Store auf.

    Zur Seite „Feature Store“

  2. Klicken Sie im Abschnitt der Featuregruppen auf in der Zeile der Featuregruppe, der Sie ein Feature hinzufügen möchten, und klicken Sie dann auf Funktionen hinzufügen.

  3. Geben Sie für jedes Feature einen Featurenamen ein und klicken Sie in der Liste auf den entsprechenden Namen der BigQuery-Quellspalte. Wenn Sie weitere Features hinzufügen möchten, klicken Sie auf Weiteres Feature hinzufügen.

  4. Klicken Sie auf Erstellen.

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Python API-Referenzdokumentation. 


from google.cloud import aiplatform
from vertexai.resources.preview import feature_store


def create_feature_sample(
    project: str,
    location: str,
    existing_feature_group_id: str,
    feature_id: str,
    version_column_name: str,
):
    aiplatform.init(project=project, location=location)
    feature_group = feature_store.FeatureGroup(existing_feature_group_id)
    feature = feature_group.create_feature(
        name=feature_id, version_column_name=version_column_name
    )
    return feature
  • project: Ihre Projekt-ID.
  • location: Die Region, in der sich die Featuregruppe befindet, z. B. us-central1.
  • existing_feature_group_id: Der Name der vorhandenen Featuregruppe, in der Sie das Feature erstellen möchten.
  • version_column_name: Optional: Die Spalte aus der BigQuery-Tabelle oder Ansicht, die Sie dem Feature zuordnen möchten. Wenn Sie diesen Parameter nicht angeben, wird standardmäßig FEATURE_NAME festgelegt.
  • feature_id: Der Name des neuen Features, das Sie erstellen möchten

REST

Senden Sie mit der Methode features.create eine POST Anfrage, um eine Feature Ressource zu erstellen.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION_ID: Die Region, in der sich die Featuregruppe befindet, z. B. us-central1.
  • PROJECT_ID: Ihre Projekt-ID.
  • FEATUREGROUP_NAME: Der Name der Featuregruppe, in der Sie das Feature erstellen möchten.
  • FEATURE_NAME: Der Name des neuen Features, das Sie erstellen möchten.
  • VERSION_COLUMN_NAME: Optional: Die Spalte aus der BigQuery-Tabelle oder Ansicht, die Sie dem Feature zuordnen möchten. Wenn Sie diesen Parameter nicht angeben, wird standardmäßig FEATURE_NAME festgelegt.

HTTP-Methode und URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME

JSON-Text der Anfrage: 

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME"

PowerShell

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME" | Select-Object -Expand Content

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features/FEATURE_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.UpdateFeatureOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-18T02:36:22.870679Z",
      "updateTime": "2023-09-18T02:36:22.870679Z"
    }
  }
}

Nächste Schritte