Feature Store سامانه‌ای برای تعریف، مدیریت و ارائه ویژگی‌های مورد استفاده مدل‌های یادگیری ماشین است. هدف آن کاهش تکرار ساخت ویژگی و حفظ سازگاری میان آموزش و استنتاج است.
از تعریف تا کاربرد
برای تشخیص تقلب می‌توان تعداد تراکنش‌های ۲۴ ساعت اخیر هر کاربر را یک بار تعریف و برای آموزش آفلاین و اجرای آنلاین استفاده کرد.
Feature Store جایگزین Data Warehouse یا خود مدل نیست. تازگی ویژگی و جلوگیری از Data Leakage باید کنترل شوند.
درک تفاوت این موضوع با انحراف توزیع داده و تغییر رابطه داده و هدف به انتخاب راهکار مناسب‌تر کمک می‌کند.
Feature Store چه مسئله‌ای حل می‌کند؟
فیچر استور ویژگی‌های محاسبه‌شده را برای آموزش و سرویس‌دهی مدل قابل استفاده مجدد می‌کند. خطر Training-Serving Skew زمانی رخ می‌دهد که محاسبه ویژگی در دو مسیر متفاوت باشد.