FeatureStoreClient ()。score_batchsupport multidimentional predictions?

[jonathan-dufaul]

我有一個pyfunc模型,我可以使用它來得到預測。需要時間序列數據和上下文信息在每個日期,並產生一係列的預測。例如:

下麵的數據設置(溫度/壓力/輸出是不同的比我輸入數據列)

日期、銷售、溫度、壓力、輸出01-09-2020,100101,5000,10 01-10-2020,120,91,4000 24 01-11-2020,50110,6000,30

假設模型訓練使用窗口大小的60和預測inverval 14。然後在模型中,您提供提供60記錄,預測會14預測開始的最後日期+ 1你的預測數據集。

的返回隻是形式

日期,預測01-12-2022,81年01-13-2022,60 01-14-2022,111……

與N記錄(在我們的例子中14)。它出色的工作如果我增加數據和與預測功能。

處理功能存儲支持這個嗎?分數批似乎不能夠返回任意/不同形狀的數據。我可以嚐試做廣泛的數據,然後將擊敗試圖使用特征存儲的目的。

不知道我的感覺。

[shan_chandra]

@Jonathan Dufault——當你使用推理的模型,你可以選擇從功能存儲檢索特征值。請嚐試以下時間序列特性作為一個例子-https://docs.www.eheci.com/_extras/notebooks/source/machine-learning/feature-store-time-series-exam..。,看看它的工作原理?

[jonathan-dufaul]

我覺得你可能誤解的問題。是一個技術問題有關score_batch函數。具體如何時我可以用分數批處理輸入數據大小大小K行和回報是大小L行。(不是1行= 1預測)我混淆短語嗎?

唯一的重疊部分我在筆記本上看到你是我的數據和提供的筆記本使用時間序列數據和使用score_batch,筆記本的一個例子,盡管我已經提到的問題。我甚至不認為任何形式的使用滯後數據模型。我缺少一些微妙的嗎?

[luis_herrera]

是的,FeatureStoreClient ()。score_batchsupports multidimensional predictions. However, the DataFrame you provide to FeatureStoreClient.score_batch must contain a timestamp column with the same name and DataType as the timestamp_lookup_key of the FeatureLookup provided to FeatureStoreClient.create_training_set.

(檢查https://docs.www.eheci.com/machine-learning/feature-store/time-series.html)

PS:檢查# DAIS2023會談!

[jonathan-dufaul]

如果我現在讀這,這是什麼山一樣的回應。我有回應,解釋為什麼這是試圖回答不同的問題,不是我。