Feature store met Feast
Om effectieve ontwikkeling gedurende de hele Machine Learning-levenscyclus te waarborgen, is het belangrijk om gedetailleerde en volledige registraties van resources bij te houden. Feature stores en modelregistries zijn voorbeelden van handige resourceregistraties in de pre-modellering- en modelleringfasen. In deze oefening implementeer je een feature store met Feast. De vooraf gedefinieerde patient Entity en de features cp, thalach, ca en thal zijn al voor je geladen. ValueType, FeatureStore en FileSource zijn geïmporteerd uit feast. heart_disease_df is ook geïmporteerd.
Deze oefening maakt deel uit van de cursus
End-to-End Machine Learning
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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",
)