提供歷來特徵值

如要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，這就是特徵值的離線儲存庫。如要使用離線服務，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 Gemini Enterprise Agent Platform 驗證，除非您已完成驗證。

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，然後使用您的使用者憑證設定應用程式預設憑證。

1. 安裝 Google Cloud CLI。

2. 若您採用的是外部識別資訊提供者 (IdP)，請先使用聯合身分登入 gcloud CLI。

3. 如果您使用本機殼層，請為使用者帳戶建立本機驗證憑證：

   gcloud auth application-default login

   如果您使用 Cloud Shell，則不需要執行這項操作。

   如果系統傳回驗證錯誤，且您使用外部識別資訊提供者 (IdP)，請確認您已 使用聯合身分登入 gcloud CLI。

詳情請參閱 這篇文章，瞭解如何設定本機開發環境的驗證機制。

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],
)