参考网址:
特征平台(Feature Store):序论 - 知乎
特征平台(Feature Store):Feast - 知乎
背景
AI 算法模型开发落地可以分为三个阶段:数据准备、模型训练、模型部署。市面上已经有较多通用平台支撑模型训练与部署阶段,但自2019年后才陆续有各厂商推出特征平台支撑数据准备阶段。比如 Feast (以下内容主要以Feast为例讲解)
特征平台的能力
各家的特征平台的具体实现不同,但一般以下几个功能:
- 特征创建
- 特征注册中心
- 特征离线存储&消费
- 特征在线存储&消费
特征创建
从各类原始数据,例如日志、记录、表,经过关联、统计、转化、聚集等操作得到的一系列值。
例如,对于电商领域,从用户行为日志,可以计算得到用户最近30天购买商品列表、最近1小时浏览商品列表、平均订单金额等特征。
特征是特征平台上最基础的概念。


特征平台是AI开发的重要组成部分,专注于数据准备阶段,如Feast所示,提供特征创建、注册、存储和消费等功能。通过与Kubeflow结合,可以方便地在AI工作流程中访问和使用特征。特征是模型训练的基础,例如在电商场景中,可计算用户行为相关的特征。本文主要探讨了Feast在特征平台中的应用。
最低0.47元/天 解锁文章
638

被折叠的 条评论
为什么被折叠?



