Creare una funzionalità

Puoi creare una caratteristica dopo aver creato un gruppo di caratteristiche e associato una tabella BigQuery o una vista BigQuery. Puoi creare più caratteristiche per un gruppo di caratteristiche e associare ogni caratteristica a una colonna specifica nell'origine dati BigQuery. Per informazioni su come utilizzare BigQuery, consulta la documentazione di BigQuery.

Ad esempio, se il gruppo di caratteristiche featuregroup1 è associato alla tabella BigQuery datasource_1 contenente i valori delle caratteristiche nelle colonne fval1 e fval2, puoi creare la caratteristica feature_1 in featuregroup1 e associarla ai valori delle caratteristiche nella colonna fval1. Allo stesso modo, puoi creare un'altra funzionalità denominata feature_2 e associarla ai valori delle funzionalità nella colonna fval2.

La registrazione dell'origine dati utilizzando gruppi di caratteristiche e caratteristiche offre i seguenti vantaggi:

  • Puoi definire una vista delle caratteristiche per l'erogazione online utilizzando colonne di caratteristiche specifiche di più origini dati BigQuery.

  • Puoi formattare i dati come una serie temporale includendo la colonna feature_timestamp. Vertex AI Feature Store pubblica solo i valori delle caratteristiche più recenti dai dati delle caratteristiche ed esclude i valori storici.

  • Puoi scoprire l'origine BigQuery come origine dati delle caratteristiche associata quando cerchi la risorsa delle caratteristiche in Data Catalog.

  • Puoi configurare il monitoraggio delle caratteristiche per recuperare le statistiche sulle caratteristiche e rilevare la deviazione delle caratteristiche.

Prima di iniziare

Autenticati su Vertex AI, a meno che tu non l'abbia già fatto.

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

Per utilizzare gli esempi di Python questa pagina in un ambiente di sviluppo locale, installa e inizializza gcloud CLI, quindi configura le Credenziali predefinite dell'applicazione con le tue credenziali utente.

  1. Install the Google Cloud CLI.

  2. If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

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

    gcloud init
  4. 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.

    If an authentication error is returned, and you are using an external identity provider (IdP), confirm that you have signed in to the gcloud CLI with your federated identity.

Per ulteriori informazioni, vedi Set up authentication for a local development environment.

REST

Per utilizzare gli esempi di API REST in questa pagina in un ambiente di sviluppo locale, utilizzi le credenziali che fornisci a gcloud CLI.

    After installing the Google Cloud CLI, initialize it by running the following command:

    gcloud init

    If you're using an external identity provider (IdP), you must first sign in to the gcloud CLI with your federated identity.

Per saperne di più, consulta la sezione Autenticarsi per l'utilizzo di REST nella documentazione sull'autenticazione di Google Cloud .

Creare una funzionalità all'interno di un gruppo di funzionalità

Utilizza i seguenti esempi per creare una caratteristica all'interno di un gruppo di caratteristiche e associare una colonna contenente i valori delle caratteristiche dall'origine dati BigQuery registrata per il gruppo di caratteristiche.

Console

Segui queste istruzioni per aggiungere funzionalità a un gruppo di funzionalità esistente utilizzando la console Google Cloud .

  1. Nella sezione Vertex AI della console Google Cloud , vai alla pagina Feature Store.

    Vai alla pagina Feature Store

  2. Nella sezione Gruppi di funzionalità, fai clic su nella riga corrispondente al gruppo di funzionalità a cui vuoi aggiungere una funzionalità, quindi fai clic su Aggiungi funzionalità.

  3. Per ogni caratteristica, inserisci un Nome della caratteristica e fai clic sul nome della colonna di origine BigQuery corrispondente nell'elenco. Per aggiungere altre funzionalità, fai clic su Aggiungi un'altra funzionalità.

  4. Fai clic su Crea.

Python

Per scoprire come installare o aggiornare l'SDK Vertex AI Python, consulta Installare l'SDK Vertex AI Python. Per saperne di più, consulta la documentazione di riferimento dell'API Python.


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: il tuo ID progetto.
  • location: la regione in cui si trova il gruppo di funzionalità, ad esempio us-central1.
  • existing_feature_group_id: il nome del gruppo di funzionalità esistente in cui vuoi creare la funzionalità.
  • version_column_name: (facoltativo) la colonna della tabella o della vista BigQuery che vuoi associare alla funzionalità. Se non specifichi questo parametro, per impostazione predefinita viene impostato su FEATURE_NAME.
  • feature_id: Il nome della nuova funzionalità che vuoi creare

REST

Per creare una risorsa Feature, invia una richiesta POST utilizzando il metodo features.create.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: la regione in cui si trova il gruppo di funzionalità, ad esempio us-central1.
  • PROJECT_ID: il tuo ID progetto.
  • FEATUREGROUP_NAME: il nome del gruppo di funzionalità in cui vuoi creare la funzionalità.
  • FEATURE_NAME: il nome della nuova funzionalità che vuoi creare.
  • VERSION_COLUMN_NAME: (facoltativo) la colonna della tabella o della vista BigQuery che vuoi associare alla funzionalità. Se non specifichi questo parametro, per impostazione predefinita viene impostato su FEATURE_NAME.

Metodo HTTP e URL:

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

Corpo JSON della richiesta:

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente:

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

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente:

$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

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "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"
    }
  }
}

Passaggi successivi