Magasin de caractéristiques avec Feast
Pour assurer un développement efficace tout au long du cycle de vie du Machine Learning, il est important de conserver des traces détaillées et complètes des ressources. Les magasins de caractéristiques (feature stores) et les registres de modèles (model registries) sont des exemples utiles de consignation des ressources aux étapes de prémodélisation et de modélisation. Dans cet exercice, vous allez mettre en place un magasin de caractéristiques avec Feast. L'Entity prédéfinie patient, ainsi que les caractéristiques cp, thalach, ca et thal, ont été chargées pour vous. ValueType, FeatureStore et FileSource sont tous importés de feast. heart_disease_df est aussi importé.
Cette activité fait partie du cours
Apprentissage Machine de bout en bout
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
heart_disease_df.to_parquet("heart_disease.parquet")
# Point File Source to the saved file
data_source = ____(
path=____,
event_timestamp_column="timestamp",
created_timestamp_column="created",
)