이전 특성값 제공

이전 특성 데이터는 물론 현재 특성 데이터를 검색하거나 제공해야 한다면 오프라인 서빙을 사용하여 BigQuery에서 특성값을 가져옵니다. 예를 들어 오프라인 서빙을 사용하여 모델을 학습시키기 위한 특정 타임스탬프의 특성값을 검색할 수 있습니다.

이전 특성 데이터를 포함한 모든 특성 데이터는 특성값의 오프라인 스토어를 구성하는 BigQuery에서 유지관리됩니다. 오프라인 서빙을 사용하려면 먼저 특성 그룹과 특성값을 생성해 BigQuery 데이터 소스를 등록해야 합니다. 또한 오프라인 서빙의 경우 동일한 엔티티 ID를 포함하는 모든 행에 서로 다른 타임스탬프가 있어야 합니다. 데이터 소스 준비 가이드라인에 대한 자세한 내용은 데이터 소스 준비를 참조하세요.

시작하기 전에

아직 Gemini Enterprise Agent Platform에 인증하지 않았다면 인증을 진행하세요.

로컬 개발 환경에서 이 페이지의 Python 샘플을 사용하려면 gcloud CLI를 설치하고 초기화한 후 사용자 인증 정보로 애플리케이션 기본 사용자 인증 정보를 설정합니다.

1. Google Cloud CLI를 설치합니다.

2. gcloud CLI에서 제휴 ID를 사용하도록 구성합니다.

   자세한 내용은 제휴 ID로 gcloud CLI에 로그인을 참고하세요.

3. 사용자 계정에 대한 로컬 인증 사용자 인증 정보를 만듭니다.

   gcloud auth application-default login

   인증 오류가 반환되면 제휴 ID로 gcloud CLI에 로그인했는지 확인합니다.

자세한 내용은 로컬 개발 환경의 인증 설정을 참조하세요.

이전 특성 값 가져오기

다음 샘플을 사용하여 여러 엔티티 ID와 타임스탬프에서 특성의 이전 값을 가져옵니다.

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],
)