0

在 SageMaker Feature Store 中创建功能组时，您需要执行以下步骤：

  1. 设置 SageMaker Python SDK 和 boto 客户端
  2. 检查我们想要使用的数据，并应用转换（例如删除 NA、整数等）
  3. 将转换后的数据提取到特征存储中
  4. 通过在功能组上运行 Athena 查询来构建训练数据
  5. 选择训练列
  6. 将训练数据集保存到 S3 存储桶
  7. 训练和部署模型
  8. 使用 GetRecord 功能对来自特征存储的最近数据进行预测。

您可以在此处查看详细的步骤示例。

但是，特征存储如何在进行预测之前将转换应用于数据？显然，新摄取的数据必须进行转换（因此与训练中的相同），但我们仅在第 2 步中进行了这些转换，然后才将任何内容添加到特征组。似乎遵循这些步骤并没有让特征存储对转换有任何了解。

例如，在链接的示例中，他们将转换后的数据添加到transaction_feature_group如下：

transaction_feature_group.ingest(data_frame=transformed_transaction_data, max_workers=5, wait=True)

所以我们可以看到转换后的数据是加载到特征组中的。但是随着时间的推移添加的新数据呢？这些新数据如何自动转换？

4

1 回答 1

0

Feature Store 不知道这些转换。在将特征摄取到特征存储之前，您可以使用特征生成管道（如果需要，可以进行转换）。请查看此链接以获取更多详细信息。

来源：aws

于 2021-07-22T17:35:02.633 回答