在机器学习 (ML) 中，特征是实例或实体的特征属性，可用于训练模型或进行在线预测。生成特征的方式是使用特征工程技术（通常称为特征转换）将原始机器学习数据转换为可衡量和可共享的属性。
特征管理是指创建、维护、共享和传送在集中位置或代码库中存储的机器学习特征的过程。通过特征管理可以更轻松地重复使用特征来训练和重新训练模型，从而缩短 AI 和机器学习部署的生命周期。
包含用于存储、发现、共享和传送机器学习特征的特征管理服务的产品或服务称为特征存储区。Gemini Enterprise Agent Platform 包含以下特征存储区服务：
本页面简要介绍了 Agent Platform Feature Store 的功能。
Agent Platform Feature Store
Agent Platform Feature Store 提供了一种新的特征管理方法，让您可以维护和传送来自 BigQuery 数据源的特征数据。在此方法中，Vertex AI Feature Store 充当元数据层，为 BigQuery 中的特征数据源提供在线传送功能，并允许您基于该数据在线传送特征。您无需将数据复制或导入到 Gemini Enterprise Agent Platform 中的单独离线存储区。
Vertex AI Feature Store 与 Knowledge Catalog 集成以跟踪特征元数据。它还支持嵌入，让您可以对最近邻执行向量相似度搜索。
Vertex AI Feature Store 进行了优化以实现超低延迟传送，可让您执行以下操作：
利用 BigQuery 的数据管理功能，在 BigQuery 中存储和维护您的离线特征数据。
通过将特征添加到特征注册表，共享和重复使用特征。
使用 Bigtable 在线传送以低延迟传送特征以进行在线预测。
在 Knowledge Catalog 中跟踪特征元数据。