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 einer bestimmten Spalte in der BigQuery-Datenquelle zuordnen. 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 Element mit dem Namen feature_2 erstellen und es mit den Featurewerten in der Spalte fval2 verknüpfen.

Wenn Sie die Datenquelle mithilfe von Featuregruppen und Features registrieren, bestehen folgende Vorteile:

  • Sie können eine Featureansicht für die Onlinebereitstellung definieren, indem Sie bestimmte Featurespalten aus mehreren BigQuery-Datenquellen verwenden.

  • Sie können die Daten als Zeitreihe formatieren, indem Sie die Spalte feature_timestamp einfügen. Vertex AI Feature Store stellt nur die neuesten Featurewerte aus den Featuredaten bereit und schließt historische Werte aus.

  • Sie können die BigQuery-Quelle als zugehörige Feature-Datenquelle ermitteln, wenn Sie in Data Catalog nach der Feature-Ressource suchen.

Hinweise

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

Select the tab for how you plan to use the samples on this page:

Console

When you use the Google Cloud console to access Google Cloud services and APIs, you don't need to set up authentication.

Python

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

  1. Install the Google Cloud CLI.

  2. To initialize the gcloud CLI, run the following command: 

    gcloud init

  3. If you're using a local shell, then create local authentication credentials for your user account: 

    gcloud auth application-default login

    You don't need to do this if you're using Cloud Shell.

Weitere Informationen unter Set up authentication for a local development environment.

REST

Verwenden Sie die von der gcloud CLI bereitgestellten Anmeldedaten, um die REST API-Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung zu verwenden.

    Install the Google Cloud CLI, then initialize it by running the following command: 

    gcloud init

Weitere Informationen finden Sie unter Für die Verwendung von REST authentifizieren in der Dokumentation zur Google Cloud-Authentifizierung.

Feature in einer Featuregruppe erstellen

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

Console

Folgen Sie der nachstehenden Anleitung, um einer vorhandenen Feature-Gruppe mit der Google Cloud Console Funktionen hinzuzufügen.

  1. Rufen Sie im Abschnitt „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 Element einen Feature-Namen 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 Referenzdokumentation zur Python API. 


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 Element zuordnen möchten. Wenn Sie diesen Parameter nicht angeben, wird er standardmäßig auf FEATURE_NAME gesetzt.
  • feature_id: Der Name der neuen Funktion, die Sie erstellen möchten

REST

Senden Sie zum Erstellen einer Feature-Ressource eine POST-Anfrage mit der Methode features.create.

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 der neuen Funktion, die Sie erstellen möchten.
  • VERSION_COLUMN_NAME: Optional: Die Spalte aus der BigQuery-Tabelle oder -Ansicht, die Sie dem Element zuordnen möchten. Wenn Sie diesen Parameter nicht angeben, wird er standardmäßig auf FEATURE_NAME gesetzt.

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 in etwa folgende JSON-Antwort 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