Feature Store

Un magasin de caractéristiques est un système centralisé pour gérer, stocker, découvrir et servir les caractéristiques de données utilisées par les modèles d'apprentissage automatique. Il aide les équipes à appliquer les mêmes définitions de caractéristiques lors de l'entraînement et de l'inférence en production, réduisant ainsi le travail en double et les incohérences. Par exemple, au lieu de reconstruire la valeur des « achats des 30 derniers jours » d'un client dans plusieurs pipelines, les équipes peuvent la définir une seule fois, conserver son historique et récupérer sa dernière valeur lorsqu'un modèle fait une prédiction.

Comment fonctionne un magasin de caractéristiques#

Une caractéristique est une entrée mesurable pour un modèle, telle que l'âge du compte, la valeur moyenne des transactions, le nombre d'objets détectés ou un encodage d'image. Les données brutes deviennent des entrées de modèle utiles grâce à l'ingénierie des caractéristiques ou à l'extraction de caractéristiques automatisée.

Un magasin de caractéristiques typique coordonne plusieurs composants :

• Définitions de caractéristiques : Les schémas décrivent le nom, le type de données, le propriétaire, la logique de transformation, la clé d'entité et la version de chaque caractéristique. Les caractéristiques associées peuvent être organisées en groupes ou en vues de caractéristiques, comme décrit dans les concepts d'Amazon SageMaker Feature Store.
• Magasin hors ligne : Les valeurs historiques prennent en charge l'exploration, l'entraînement, la validation et l'inférence par lots. La documentation du magasin hors ligne de Feast explique comment les caractéristiques historiques de séries chronologiques sont récupérées à partir des sources de données sous-jacentes.
• Magasin en ligne : Les dernières valeurs sont conservées dans une base de données à faible latence pour les prédictions en temps réel. Un magasin en ligne Feast, par exemple, conserve généralement la valeur la plus récente pour chaque clé d'entité.
• Matérialisation : Un processus planifié ou en continu déplace les valeurs de caractéristiques calculées vers le magasin en ligne.
• Registre et métadonnées : Des définitions consultables aident les équipes à découvrir, gouverner, versionner et réutiliser les caractéristiques.

Une entité identifie ce que la caractéristique décrit. Il peut s'agir d'un identifiant client, d'un identifiant de produit, d'un identifiant de machine ou d'un identifiant de caméra. Un horodatage d'événement indique le moment où la valeur était valide plutôt que le moment où elle a été écrite.

Pourquoi les magasins de caractéristiques sont importants#

L'un des principaux avantages est la cohérence entre l'entraînement et le service. Si un modèle est entraîné avec un calcul mais reçoit un calcul légèrement différent en production, le décalage entre l'entraînement et le service peut réduire la qualité des prédictions. Les définitions centrales et la logique de récupération partagée rendent cela moins probable.

La récupération tenant compte du temps est tout aussi importante. Une ligne d'entraînement ne doit contenir que les informations qui existaient lorsque l'événement prédit s'est produit. Les jointures ponctuelles (point-in-time joins) dans Feast reconstituent ces valeurs historiques, contribuant ainsi à prévenir la fuite de données due à des informations futures. Les conseils sur le service des caractéristiques de Google Cloud mettent également l'accent sur les horodatages et les recherches ponctuelles pour les caractéristiques sensibles au temps.

Les magasins de caractéristiques prennent également en charge :

• Réutilisation : Plusieurs modèles peuvent consommer des caractéristiques de confiance sans reconstruire les pipelines.
• Fraîcheur : Les mises à jour en continu peuvent maintenir les entrées en temps réel à jour.
• Gouvernance : La propriété, la lignée, les contrôles d'accès et les versions facilitent l'audit des caractéristiques.
• Surveillance : Les équipes peuvent détecter les valeurs manquantes, les enregistrements obsolètes, les modifications de schéma et la dérive des données.

Ces capacités font des magasins de caractéristiques un élément important du MLOps en production, en particulier lorsque de nombreux modèles et équipes dépendent de données partagées.

Comparaison des magasins de caractéristiques avec les systèmes associés#

Un magasin de caractéristiques n'est pas simplement une autre base de données.

• Un lac de données contient de grands volumes de données brutes ou traitées, tandis qu'un magasin de caractéristiques ajoute des définitions orientées modèle, des horodatages, une logique de récupération et des interfaces de service.
• Une base de données vectorielle est spécialisée dans la recherche de similarité sur des vecteurs. Un magasin de caractéristiques peut gérer des encodages, mais il peut également contenir des caractéristiques scalaires, catégorielles, agrégées et de séries chronologiques.
• Un pipeline d'ingénierie des caractéristiques calcule les caractéristiques ; le magasin de caractéristiques gère et sert les valeurs résultantes.
• Un registre de modèles gère les versions de modèles et les artefacts, tandis qu'un magasin de caractéristiques gère les entrées de modèles.

Les systèmes gérés peuvent combiner plusieurs de ces responsabilités. Par exemple, les magasins de caractéristiques gérés d'Azure Machine Learning offrent la découverte de caractéristiques, le versionnement, la matérialisation et la récupération historique.

Applications concrètes#

Détection des fraudes : Un modèle de paiement peut utiliser la vitesse des transactions, le montant moyen des achats, l'âge du compte et le nombre de paiements échoués récents. Le magasin hors ligne reconstitue les valeurs historiques pour l'entraînement, tandis que le magasin en ligne fournit les valeurs actuelles en quelques millisecondes lorsqu'une nouvelle transaction arrive.

Inspection par vision par ordinateur : Un système de fabrication peut stocker des comptes de défauts continus, l'état de l'équipement, les métadonnées de quart de travail et des encodages visuels indexés par ligne de production et horodatage. Les caractéristiques historiques prennent en charge le réentraînement, tandis que les valeurs actuelles aident un modèle déployé à interpréter de nouvelles détections. Tu peux gérer les images, les annotations, l'entraînement, le déploiement et la surveillance avec Ultralytics Platform, tandis qu'un magasin de caractéristiques séparé sert les entrées opérationnelles.

Ultralytics YOLO26 peut générer des caractéristiques d'image qui pourraient ensuite être enregistrées avec des identifiants d'entité, des horodatages et des métadonnées de version :

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

images = [
    "https://ultralytics.com/images/bus.jpg",
    "https://ultralytics.com/images/zidane.jpg",
]

embeddings = model.embed(images)
first_image_features = embeddings[0]

print(len(embeddings))
print(first_image_features.shape)

Cet exemple effectue une extraction de caractéristiques, et non une gestion complète d'un magasin de caractéristiques. Un flux de travail de production validerait les vecteurs, les associerait à des enregistrements et à des temps d'événements, stockerait des versions historiques et surveillerait la fraîcheur et la qualité à l'aide de pratiques telles que celles des directives de qualité ML de Google Cloud.