Diffuser des valeurs de caractéristiques historiques

Si vous devez récupérer ou diffuser des données de caractéristiques actuelles et historiques, utilisez la diffusion hors connexion pour extraire les valeurs de caractéristiques à partir de BigQuery. Par exemple, vous pouvez utiliser la diffusion hors connexion pour récupérer les valeurs de caractéristiques pour des horodatages spécifiques afin d'entraîner un modèle.

Toutes les données de caractéristiques, y compris les données de caractéristiques historiques, sont gérées dans BigQuery, qui est le magasin hors connexion pour vos valeurs de caractéristiques. Pour utiliser la diffusion hors connexion, vous devez d'abord enregistrer votre source de données BigQuery en créant des groupes de caractéristiques et des valeurs de caractéristiques. En outre, dans le cas de la diffusion hors connexion, chaque ligne contenant le même ID d'entité doit avoir un horodatage différent. Pour en savoir plus sur les consignes de préparation des sources de données, consultez la page Préparer une source de données.

Avant de commencer

Authentifiez-vous auprès de Gemini Enterprise Agent Platform, sauf si vous l'avez déjà fait.

Pour utiliser les exemples Python de cette page dans un environnement de développement local, installez et initialisez la gcloud CLI, puis configurez les Identifiants par défaut de l'application avec vos identifiants utilisateur.

1. Installez la Google Cloud CLI.

2. Configurez la gcloud CLI afin d'utiliser votre identité fédérée.

   Pour en savoir plus, consultez Se connecter à la gcloud CLI avec votre identité fédérée.

3. Créez des identifiants d'authentification locaux pour votre compte utilisateur :

   gcloud auth application-default login

   Si une erreur d'authentification est renvoyée, vérifiez que vous vous êtes connecté à la gcloud CLI avec votre identité fédérée.

Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.

Récupérer des valeurs de caractéristiques historiques

Utilisez l'exemple suivant pour extraire des valeurs historiques d'une caractéristique à partir de plusieurs ID d'entité et horodatages.

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],
)