Feature Store工作流程概述

本頁概述了如何在在線和批處理用例的機器學習工作流中使用Databricks Feature Store。

使用Feature Store的典型機器學習工作流遵循以下路徑:

1. 編寫代碼將原始數據轉換為功能，並創建一個包含所需功能的Spark DataFrame。

2. 將DataFrame寫入一個特征表在功能商店。

3. 使用特征庫中的特征訓練模型。當您這樣做時，模型將存儲用於訓練的特征的規格。當模型用於推理時，它會自動地從適當的特征表中連接特征。

4. 在模型注冊．

您現在可以使用該模型對新數據進行預測。

對於批處理用例，模型自動從Feature Store中檢索所需的特性。

對於實時服務用例，將特性發布到在線商店．

在推斷時，模型從在線特征存儲中讀取預先計算的特征，並將它們與客戶端請求中提供的數據連接到模型服務端點。