特征治理和世系
本页介绍 Unity Catalog 中特征工程的治理和世系功能。
控制对特征表的访问
Unity Catalog 中特征表的访问控制由 Unity Catalog 管理。 请参阅Unity Catalog 特权。
查看特征表、函数和模型世系
使用 FeatureEngineeringClient.log_model
记录模型时,系统将自动跟踪模型中使用的特征,并且可以在目录资源管理器的世系选项卡中查看。 除了特征表,系统还会跟踪用于计算按需特征的 Python UDF。
如何捕获特征表、函数或模型的世系
调用 log_model
时,系统将自动捕获模型中使用的世系信息跟踪特征表和函数。 请参阅以下示例代码。
from databricks.feature_engineering import FeatureEngineeringClient, FeatureLookup, FeatureFunction
fe = FeatureEngineeringClient()
features = [
FeatureLookup(
table_name = "main.on_demand_demo.restaurant_features",
feature_names = ["latitude", "longitude"],
rename_outputs={"latitude": "restaurant_latitude", "longitude": "restaurant_longitude"},
lookup_key = "restaurant_id",
timestamp_lookup_key = "ts"
),
FeatureFunction(
udf_name="main.on_demand_demo.extract_user_latitude",
output_name="user_latitude",
input_bindings={"blob": "json_blob"},
),
FeatureFunction(
udf_name="main.on_demand_demo.extract_user_longitude",
output_name="user_longitude",
input_bindings={"blob": "json_blob"},
),
FeatureFunction(
udf_name="main.on_demand_demo.haversine_distance",
output_name="distance",
input_bindings={"x1": "restaurant_longitude", "y1": "restaurant_latitude", "x2": "user_longitude", "y2": "user_latitude"},
)
]
training_set = fe.create_training_set(
label_df, feature_lookups=features, label="label", exclude_columns=["restaurant_id", "json_blob", "restaurant_latitude", "restaurant_longitude", "user_latitude", "user_longitude", "ts"]
)
class IsClose(mlflow.pyfunc.PythonModel):
def predict(self, ctx, inp):
return (inp['distance'] < 2.5).values
model_name = "fe_packaged_model"
mlflow.set_registry_uri("databricks-uc")
fe.log_model(
IsClose(),
model_name,
flavor=mlflow.pyfunc,
training_set=training_set,
registered_model_name=registered_model_name
)
查看特征表、模型或函数的世系
若要查看特征表、模型或函数的世系,请执行以下步骤:
导航到目录资源管理器中的表、模型版本或函数页。
选择世系选项卡。左侧栏显示使用此表、模型版本或函数记录的 Unity 目录组件。
单击查看世系图。 将显示世系图。 有关浏览世系图的详细信息,请参阅捕获和浏览世系。
若要关闭世系图,请单击右上角的 。