完整定義
特徵儲存庫是一種集中管理和共享機器學習特徵的平台。它用於確保特徵在訓練和推論階段的一致性,提高特徵的可重用性,並簡化特徵工程流程。常見應用包括加速模型開發、減少特徵重複計算和提高模型性能。
白話說明
你有沒有遇過訓練時很準,上線後卻突然變差,原因只是特徵算得不一樣?
你可以把特徵儲存庫想成特徵的集中管理中心,讓訓練和推論拿到同一套定義清楚的資料。
它重要,是因為團隊一旦多人協作,特徵很容易散在不同程式和不同資料源裡,最後連版本都對不起來。
記住這句
特徵儲存庫管的是「同一個特徵,訓練和上線都要一樣」。
比喻:特徵儲存庫就像是公司的「食材中央廚房」-- 所有部門要煮菜(訓練模型)時,都能從這裡拿到標準化、高品質的食材(特徵),不用每次都自己從頭處理,確保大家做出來的菜味道一致。
容易混淆
特徵儲存庫 vs 資料庫
資料庫主要存原始資料。
特徵儲存庫存的是可直接給模型用的特徵,還會管版本和一致性。
特徵儲存庫 vs 資料管線
資料管線負責搬資料和做計算。
特徵儲存庫負責把算好的特徵管理起來,方便重用。
實際案例
信用模型團隊
訓練用的逾期次數、消費頻率和上線取值方式一致,模型才不會線上失真。
推薦系統團隊
多個服務共用同一組使用者特徵,避免每個團隊各算各的,最後結果不一致。
深入了解
它通常會同時支援離線特徵和線上特徵,前者偏訓練、後者偏即時查詢。
真正的價值不只是存資料,而是維持特徵定義、計算邏輯和版本的一致性。
情境判斷
Q1:如果同一個特徵在訓練和上線算出不同結果,會發生什麼事?
模型表現可能明顯落差,因為它看到的輸入和訓練時不一樣。
Q2:如果只有一個小專案,還需要特徵儲存庫嗎?
看情況,小專案不一定非用不可,但只要多人協作或特徵重用變多,就會開始有價值。
常見問題
不一樣,前者管特徵,後者管模型版本與部署資訊。
不一定,有些可以預先算好存起來,重點是查詢延遲要夠低。
不只,大型團隊最有感,但中型團隊也常因為一致性受益。
不能,它主要解決特徵一致性,不會自動把資料品質變好。
出現在這些考古題
官方公告試題的逐題解析裡,這 1 題把特徵儲存庫列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本