Creare una funzionalità

Puoi creare una caratteristica dopo aver creato un gruppo di caratteristiche e associato un o una vista BigQuery. Puoi creare più caratteristiche per un gruppo di caratteristiche e associare ogni caratteristica con 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 al Tabella BigQuery datasource_1 contenente i valori delle caratteristiche nelle colonne fval1 e fval2, quindi puoi creare la caratteristica feature_1 in featuregroup1 e associala ai valori delle caratteristiche nella colonna fval1. Analogamente, puoi creare un'altra funzionalità denominata feature_2 e associarla ai valori della funzionalità nella colonna fval2.

La registrazione dell'origine dati utilizzando gruppi di funzionalità e funzionalità presenta i seguenti vantaggi:

  • Puoi definire una visualizzazione caratteristiche per la pubblicazione online utilizzando una caratteristica specifica da più origini dati BigQuery.

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

  • Puoi scoprire l'origine BigQuery come caratteristica associata dell'origine dati, quando cerchi la risorsa di caratteristiche in Data Catalog.

Prima di iniziare

Esegui l'autenticazione su Vertex AI, se non l'hai ancora 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 Python esempi in questa pagina in un ambiente di sviluppo locale, installa e inizializza l'interfaccia alla gcloud CLI, quindi configura le Credenziali predefinite dell'applicazione con le tue credenziali utente.

  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.

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

REST

Per utilizzare gli esempi dell'API REST in questa pagina in un ambiente di sviluppo locale, utilizza le credenziali fornite a gcloud CLI.

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

    gcloud init

Per ulteriori informazioni, consulta Eseguire l'autenticazione per l'utilizzo di REST nella documentazione sull'autenticazione di Google Cloud.

Creare una funzionalità all'interno di un gruppo di funzionalità

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

Console

Segui le istruzioni riportate di seguito 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 caratteristiche, fai clic su nel riga corrispondente al gruppo di caratteristiche in cui vuoi aggiungere una caratteristica, e fai clic su Aggiungi funzionalità.

  3. Per ogni elemento, inserisci un nome elemento 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 per Python, consulta Installare l'SDK Vertex AI per Python. Per ulteriori informazioni, consulta 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: l'ID del tuo progetto.
  • location: regione in cui si trova il gruppo di funzionalità, ad esempio us-central1.
  • existing_feature_group_id: il nome del gruppo di elementi esistente in cui vuoi creare l'elemento.
  • version_column_name: (facoltativo) la colonna della tabella BigQuery o vista che desideri associare all'elemento. Se non specifichi questo parametro, per impostazione predefinita viene impostato su FEATURE_NAME.
  • feature_id: il nome del nuovo elemento 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, effettua le seguenti sostituzioni:

  • LOCATION_ID: regione in cui si trova il gruppo di caratteristiche, ad esempio us-central1.
  • PROJECT_ID: l'ID progetto.
  • FEATUREGROUP_NAME: il nome del gruppo di elementi in cui vuoi creare l'elemento.
  • FEATURE_NAME: il nome della nuova funzionalità che vuoi creare.
  • VERSION_COLUMN_NAME: facoltativo. La colonna della tabella o della visualizzazione BigQuery che vuoi associare alla funzionalità. Se non specifichi questo parametro, viene impostato a FEATURE_NAME, per impostazione predefinita.

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 delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json. ed esegui questo comando: 

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. ed esegui questo comando: 

$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