传送历史特征值

如果您需要检索或传送当前特征数据以及历史特征数据，请使用离线传送从 BigQuery 中提取特征值。例如，您可以使用离线传送针对特定时间戳检索特征值，以训练模型。

所有特征数据（包括历史特征数据）都保留在 BigQuery 中，这构成了特征值的离线存储区。如需使用离线传送，您必须先通过创建特征组和特征值来注册 BigQuery 数据源。此外，对于离线传送，包含相同实体 ID 的每一行都必须具有不同的时间戳。如需详细了解数据源准备准则，请参阅准备数据源。

准备工作

向 Gemini Enterprise Agent Platform 进行身份验证，除非您已完成此操作。

如需在本地开发环境中使用本页面上的 Python 示例，请安装并初始化 gcloud CLI，然后使用您的用户凭据设置应用默认凭据。

1. 安装 Google Cloud CLI。

2. 如果您使用的是外部身份提供方 (IdP)，则必须先使用联合身份登录 gcloud CLI。

3. 如果您使用的是本地 shell，请为您的用户账号创建本地身份验证凭证：

   gcloud auth application-default login

   如果您使用的是 Cloud Shell，则无需执行此操作。

   如果系统返回身份验证错误，并且您使用的是外部身份提供方 (IdP)，请确认您已 使用联合身份登录 gcloud CLI。

如需了解详情，请参阅 为本地开发环境设置身份验证。

提取历史特征值

使用以下示例可根据多个实体 ID 和时间戳中从特征中提取历史值。

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],
)