提供歷史特徵值

如需擷取或提供目前和歷來的特徵資料，請使用離線服務從 BigQuery 擷取特徵值。舉例來說，您可以使用離線放送功能，擷取特定時間戳記的特徵值來訓練模型。

所有特徵資料 (包括歷來特徵資料) 都會保留在 BigQuery 中，這也是特徵值的離線儲存庫。如要使用離線放送，請先建立特徵群組和特徵值，註冊 BigQuery 資料來源。此外，如果是離線放送，含有相同實體 ID 的每一列都必須有不同的時間戳記。如要進一步瞭解資料來源準備指南，請參閱「準備資料來源」。

事前準備

向 Vertex AI 進行驗證 (如果尚未完成)。

如要在本機開發環境中使用本頁的 Python 範例，請安裝並初始化 gcloud CLI，然後使用使用者憑證設定應用程式預設憑證。

安裝 Google Cloud CLI。

如果您使用外部識別資訊提供者 (IdP)，請先 使用聯合身分登入 gcloud CLI。

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.

詳情請參閱 Set up authentication for a local development environment。

擷取歷來特徵值

使用下列範例，從多個實體 ID 和時間戳記擷取特徵的歷來值。

import bigframes
import bigframes.pandas
import pandas as pd
from google.cloud import bigquery
from vertexai.resources.preview.feature_store import (Feature, FeatureGroup, offline_store)
from vertexai.resources.preview.feature_store import utils as fs_utils

fg = FeatureGroup("FEATURE_GROUP_NAME")
f1 = fg.get_feature("FEATURE_NAME_1")
f2 = fg.get_feature("FEATURE_NAME_2")

entity_df = pd.DataFrame(
  data={
    "ENTITY_ID_COLUMN": [
      "ENTITY_ID_1",
      "ENTITY_ID_2",
    ],
    "timestamp": [
      pd.Timestamp("FEATURE_TIMESTAMP_1"),
      pd.Timestamp("FEATURE_TIMESTAMP_2"),
    ],
  },
)

offline_store.fetch_historical_feature_values(
  entity_df=entity_df,
  features=[f1,f2],
)