feature store
Et feature store er et centraliseret lager til lagring, deling og genbrug af maskinlæringstræk på tværs af projekter.
Kort fortalt
Feature store er et system, der gør det let at genbruge og administrere de inputdata, som maskinlæringsmodeller bruger.
- Kategori
- værktøj
- Niveau
- øvet
Betydninger
1- 1
Et system til centraliseret lagring, versionering og servicering af maskinlæringstræk, der muliggør genbrug på tværs af modeller og teams.
- Virksomheden implementerede et feature store for at sikre, at alle modeller bruger de samme beregnede features.
- Feast er et open-source feature store designet til at understøtte både online og offline inferens.
Hvornår bruges det
Feature stores bruges i produktionsmiljøer, hvor flere teams udvikler modeller og har brug for at dele ensartede features. De sikrer konsistens mellem træning og inferens og reducerer dobbeltarbejde.
Kodeeksempel
from feast import FeatureView, Field
from feast.types import Float32, Int64
my_feature_view = FeatureView(
name="user_transactions",
entities=["user_id"],
ttl=timedelta(days=1),
schema=[
Field(name="transaction_count", dtype=Int64),
Field(name="average_amount", dtype=Float32),
],
)Eksempel på definition af en feature view i Feast.
Oprindelse
Fra engelsk 'feature' (egenskab) og 'store' (lager), betegnelse for et system der centraliserer lagring og deling af features.
Afledte ord
3Kilder
2- Feast: A Feature Store for Machine Learning
- Feature Stores: The Missing Backbone of Machine Learning