Feature store
Auch: feature store, ML feature store, feature repository, magasin de features, entrepôt de caractéristiques
Ein zentrales Repository zur Verwaltung von ML-Features, das Konsistenz zwischen Training und Serving sicherstellt.
Was es ist
Ein Feature store ist ein zentrales System zum Definieren, Speichern und Ausliefern der Features, die Machine-Learning-Modelle nutzen. Ein Feature ist eine einzelne messbare Eingabe für ein Modell, zum Beispiel der durchschnittliche Kaufwert eines Kunden in den letzten 30 Tagen oder die Anzahl der Tage seit seinem letzten Login.
Das Kernproblem, das ein Feature store löst, ist Konsistenz. Modelle werden auf historischen Daten trainiert, treffen ihre Prognosen aber auf Live-Daten. Wird ein Feature beim Training anders berechnet als beim Live-Serving, verschlechtert sich das Modell unbemerkt. Diese Abweichung heißt Training-Serving-Skew. Ein Feature store erzwingt eine einzige Definition, die an beiden Stellen verwendet wird.
Warum es zählt
- Reuse: Ein Feature, das ein Team gebaut hat (zum Beispiel „Customer Lifetime Value“), lässt sich über viele Modelle hinweg nutzen, statt es jedes Mal neu zu bauen.
- Konsistenz: Dieselbe Transformationslogik läuft für das Training und für die Echtzeit-Prognose.
- Governance: Features sind dokumentiert, versioniert und mit Zugriffsrechten versehen, was Audit und regulatorische Prüfung unterstützt.
- Geschwindigkeit: Data Scientists verbringen weniger Zeit mit repetitiver Datenverdrahtung und mehr mit Modellierung.
Wie es in der Praxis eingesetzt wird
Ein Feature store hat typischerweise zwei Seiten:
- Einen Offline store (große historische Tabellen) zum Aufbau von Trainingsdatensätzen.
- Einen Online store (Datenbank mit niedriger Latenz), der Live-Modellen aktuelle Feature-Werte in Millisekunden liefert.
Eine Pipeline berechnet die Feature-Werte aus Rohdaten und schreibt sie in beide Stores. Teams registrieren jedes Feature mit Metadaten: Name, Owner, Definition und Aktualität. Braucht ein Modell Daten, fragt es Features über den Namen ab, statt die Logik neu zu implementieren.
Durchgerechnetes Beispiel
Eine Bank baut ein Modell zur Betrugserkennung. Ein Feature ist transactions_last_hour.
1. Beim Training liefert der Offline store die historische Anzahl der Transaktionen in der Stunde vor jeder vergangenen Transaktion.
2. Wird eine Karte in der Produktion eingesetzt, ruft das Modell den Online store auf, der dasselbe Feature, berechnet auf Live-Daten, innerhalb von Millisekunden zurückgibt.
3. Da beide Pfade eine Definition teilen, passt der Score, den das Modell in der Produktion erzeugt, zu dem, was es im Training gelernt hat.
Baut das Marketing-Team später ein Churn-Modell, nutzt es dasselbe Feature erneut, ohne es neu zu bauen, und Finance kann genau nachvollziehen, welche Eingaben zu einer Entscheidung geführt haben.
Siehe auch
Häufige Fragen
Was ist ein Feature store im Machine Learning?
Ein Feature store ist ein zentrales System zum Definieren, Speichern und Ausliefern der Features, die Machine-Learning-Modelle nutzen, wobei ein Feature eine einzelne messbare Eingabe ist, etwa der durchschnittliche Kaufwert eines Kunden in den letzten 30 Tagen. Seine Hauptaufgabe ist es, sicherzustellen, dass ein Feature beim Training eines Modells genauso berechnet wird wie bei Live-Prognosen. Er dient außerdem als gemeinsamer Katalog, sodass Features dokumentiert, versioniert und über Modelle hinweg wiederverwendbar sind.
Was ist Training-Serving-Skew und wie verhindert ein Feature store ihn?
Training-Serving-Skew ist die Lücke, die entsteht, wenn ein Feature auf historischen Trainingsdaten anders berechnet wird als auf Live-Produktionsdaten. Das Modell verschlechtert sich dann unbemerkt, weil die Eingaben, die es in der Produktion sieht, nicht mehr zu dem passen, woraus es gelernt hat. Ein Feature store verhindert das, indem er eine einzige Feature-Definition erzwingt, die sowohl die Trainings-Pipeline als auch der Live-Serving-Pfad über den Namen aufrufen.
Was ist der Unterschied zwischen einem Offline store und einem Online store?
Der Offline store enthält große historische Tabellen und dient dem Aufbau von Trainingsdatensätzen; der Online store ist eine Datenbank mit niedriger Latenz, die Live-Modellen aktuelle Feature-Werte in Millisekunden liefert. Eine Pipeline berechnet jedes Feature aus Rohdaten und schreibt es auf beide Seiten, und genau das hält die beiden konsistent. Dieselbe Feature-Definition, zwei Zugriffsmuster: Massenhistorie für das Training, einzelner schneller Lookup für die Prognose.
Wer in einer Organisation profitiert tatsächlich von einem Feature store?
Data Scientists profitieren im Tagesgeschäft am meisten, da sie dieselbe Datenverdrahtung nicht mehr neu bauen, sondern Features über den Namen abfragen. Die Data-Führung profitiert von Governance: Features haben einen Namen, einen Owner, eine Definition und einen Aktualitätsindikator, was Audit und regulatorische Prüfung unterstützt. Fachbereiche profitieren von Reuse, denn ein Feature wie Customer Lifetime Value, das für ein Modell gebaut wurde, kann mehrere weitere versorgen.
Können Sie ein konkretes Beispiel für ein Feature nennen, das ein Feature store ausliefert?
Nehmen Sie das Betrugserkennungsmodell einer Bank mit einem Feature namens transactions_last_hour. Im Training liefert der Offline store die historische Anzahl der Transaktionen in der Stunde vor jeder vergangenen Transaktion; wird eine Karte in der Produktion eingesetzt, gibt der Online store dasselbe Feature, berechnet auf Live-Daten, innerhalb von Millisekunden zurück. Da beide Pfade eine Definition teilen, ist der Score in der Produktion konsistent mit dem, was das Modell gelernt hat, und ein Marketing-Team, das ein Churn-Modell baut, kann das Feature unverändert wiederverwenden.