
302
|
第
6
章
图
6
-
15
:特征数据既可以使用历史特征进行离线检索(用于模型训练),也可以在线检索(用
于服务)。
这些部署是通过单独的在线和批处理客户端来访问的:
_feast_online_client = Client(serving_url='localhost:6566')
_feast_batch_client = Client(serving_url='localhost:6567',
core_url='localhost:6565')
批处理服务。
为了训练模型,历史特征检索由
BigQuery
支持,并使用
.get_batch_
features(...)
和批处理服务客户端进行访问。在这个案例中,我们向
Feast
提供了
一个包含实体和时间戳的
pandas
数据帧,特征数据将与它连接。这使得
Feast
基于
所请求的特征来产生一个时间点正确的数据集:
#
创建所有实体和时间戳的数据帧
entity_df
= pd.DataFrame(
{
"datetime": taxi_df.datetime,
"taxi_id": taxi_df.taxi_id,
}
)
为了检索历史特征,特征集中的特征通过特征集名称和特征名称来引用,用冒号分隔,
例如:
FS_NAME = taxi_rides