本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
使用功能存储进行欺诈检测
第 1 步：设置功能存储
要开始使用功能存储，请创建 SageMaker 会话、boto3 会话和要素存储会话。此外，您要为功能设置要使用的 S3 存储桶。这是您的离线商店。以下代码使用 SageMaker 默认存储桶并向其添加自定义前缀。
您使用的角色必须附加以下托管策略：AmazonSageMakerFullAccess和AmazonSageMakerFeatureStoreAccess。
import boto3 import sagemaker from sagemaker.session import Session sagemaker_session = sagemaker.Session() region = sagemaker_session.boto_region_name boto_session = boto3.Session(region_name=region) role = sagemaker.get_execution_role() default_bucket = sagemaker_session.default_bucket() prefix = 'sagemaker-featurestore' offline_feature_store_bucket = 's3://{}/{}'.format(default_bucket, prefix) sagemaker_client = boto_session.client(service_name='sagemaker', region_name=region) featurestore_runtime = boto_session.client(service_name='sagemaker-featurestore-runtime', region_name=region) feature_store_session = Session( boto_session=boto_session, sagemaker_client=sagemaker_client, sagemaker_featurestore_runtime_client=featurestore_runtime )
第 2 步：将数据集和分区数据加载到要素组
将数据加载到每个要素的数据框中。在设置要素组后，您可以使用这些数据框。在欺诈检测示例中，您可以在以下代码中看到这些步骤。
import numpy as np import pandas as pd import matplotlib.pyplot as plt import io fraud_detection_bucket_name = 'sagemaker-featurestore-fraud-detection' identity_file_key = 'sampled_identity.csv' transaction_file_key = 'sampled_transactions.csv' identity_data_object = s3_client.get_object(Bucket=fraud_detection_bucket_name, Key=identity_file_key) transaction_data_object = s3_client.get_object(Bucket=fraud_detection_bucket_name, Key=transaction_file_key) identity_data = pd.read_csv(io.BytesIO(identity_data_object['Body'].read())) transaction_data = pd.read_csv(io.BytesIO(transaction_data_object['Body'].read())) identity_data = identity_data.round(5) transaction_data = transaction_data.round(5) identity_data = identity_data.fillna(0) transaction_data = transaction_data.fillna(0) # Feature transformations for this dataset are applied before ingestion into FeatureStore. # One hot encode card4, card6 encoded_card_bank = pd.get_dummies(transaction_data['card4'], prefix = 'card_bank') encoded_card_type = pd.get_dummies(transaction_data['card6'], prefix = 'card_type') transformed_transaction_data = pd.concat([transaction_data, encoded_card_type, encoded_card_bank], axis=1) transformed_transaction_data = transformed_transaction_data.rename(columns={"card_bank_american express": "card_bank_american_express"})
第 3 步：设置功能组
设置要素组时，需要使用唯一名称自定义要素名称，并使用FeatureGroup类。
from sagemaker.feature_store.feature_group import FeatureGroup feature_group_name = "some string for a name" feature_group = FeatureGroup(name=feature_group_name, sagemaker_session=feature_store_session)
例如，在欺诈检测示例中，两个要素组是identity和transaction。在下面的代码中，您可以看到如何使用时间戳自定义名称，然后通过传入名称和会话来设置每个组。
import time from time import gmtime, strftime, sleep from sagemaker.feature_store.feature_group import FeatureGroup identity_feature_group_name = 'identity-feature-group-' + strftime('%d-%H-%M-%S', gmtime()) transaction_feature_group_name = 'transaction-feature-group-' + strftime('%d-%H-%M-%S', gmtime()) identity_feature_group = FeatureGroup(name=identity_feature_group_name, sagemaker_session=feature_store_session) transaction_feature_group = FeatureGroup(name=transaction_feature_group_name, sagemaker_session=feature_store_session)
第 4 步：设置记录标识符和事件时间功能
在此步骤中，您可以指定记录标识符名称和事件时间功能名称。此名称映射到数据中相应要素的列。例如，在欺诈检测示例中，感兴趣的列是TransactionID。EventTime可以在没有时间戳可用时将其附加到您的数据中。在以下代码中，您可以看到如何设置这些变量，然后EventTime被追加到两个要素的数据中。
record_identifier_name = "TransactionID" event_time_feature_name = "EventTime" current_time_sec = int(round(time.time())) identity_data[event_time_feature_name] = pd.Series([current_time_sec]*len(identity_data), dtype="float64") transformed_transaction_data[event_time_feature_name] = pd.Series([current_time_sec]*len(transaction_data), dtype="float64")
第 5 步：载荷功能定义
现在，您可以通过传递包含要素数据的数据框来加载要素定义。在下面的欺诈检测示例代码中，标识功能和交易功能分别通过使用load_feature_definitions，此函数会自动检测每列数据的数据类型。对于使用模式而不是自动检测的开发人员，请参阅从数据工作者导出要素组示例，该示例显示如何加载模式、映射它并将其添加为FeatureDefinition，您可以使用创建FeatureGroup。此示例还介绍了一个 boto3 实现，您可以使用它来代替 SageMaker Python SDK。
identity_feature_group.load_feature_definitions(data_frame=identity_data); # output is suppressed transaction_feature_group.load_feature_definitions(data_frame=transformed_transaction_data); # output is suppressed
第 6 步：创建功能组
在此步骤中，您将使用create函数创建要素组。以下代码显示所有可用参数。默认情况下不会创建在线商店，因此您必须将其设置为True如果要启用它。这些区域有：s3_uri是离线存储区的 S3 存储桶位置。
# create a FeatureGroup feature_group.create( description = "Some info about the feature group", feature_group_name = feature_group_name, record_identifier_name = record_identifier_name, event_time_feature_name = event_time_feature_name, feature_definitions = feature_definitions, role_arn = role, s3_uri = offline_feature_store_bucket, enable_online_store = True, online_store_kms_key_id = None, offline_store_kms_key_id = None, disable_glue_table_creation = False, data_catalog_config = None, tags = ["tag1","tag2"])
以下来自欺诈检测示例的代码显示了最小create调用正在创建的两个要素组中的每个要素组。
identity_feature_group.create( s3_uri=offline_feature_store_bucket, record_identifier_name=record_identifier_name, event_time_feature_name=event_time_feature_name, role_arn=role, enable_online_store=True ) transaction_feature_group.create( s3_uri=offline_feature_store_bucket, record_identifier_name=record_identifier_name, event_time_feature_name=event_time_feature_name, role_arn=role, enable_online_store=True )
创建要素组时，加载数据需要一些时间，并且您需要等到创建要素组后才能使用它。您可以使用以下方法检查状态。
status = feature_group.describe().get("FeatureGroupStatus")
创建要素组时，您会收到Creating作为响应。当此步骤成功完成后，响应为Created。其他可能的状态包括CreateFailed、Deleting，或者DeleteFailed。
步骤 7：使用功能组
现在已设置要素组，您可以执行以下任一任务：
描述功能组
您可以使用describefunction.
feature_group.describe()
列出功能组
您可以使用list_feature_groupsfunction.
sagemaker_client.list_feature_groups()
将记录放入要素组
您可以将ingest函数加载要素数据。传入要素数据的数据框，设置工作线程数量，然后选择等待其返回或不返回。以下示例演示如何使用ingestfunction.
feature_group.ingest( data_frame=feature_data, max_workers=3, wait=True )
对于您拥有的每个要素组，运行ingest函数对要加载的要素数据进行检测。
从要素组获取记录
您可以将get_record函数通过记录标识符检索特定要素的数据。以下示例使用示例标识符检索记录。
record_identifier_value = str(2990130) featurestore_runtime.get_record(FeatureGroupName=transaction_feature_group_name, RecordIdentifierValueAsString=record_identifier_value)
欺诈检测示例中的示例响应：
... 'Record': [{'FeatureName': 'TransactionID', 'ValueAsString': '2990130'}, {'FeatureName': 'isFraud', 'ValueAsString': '0'}, {'FeatureName': 'TransactionDT', 'ValueAsString': '152647'}, {'FeatureName': 'TransactionAmt', 'ValueAsString': '75.0'}, {'FeatureName': 'ProductCD', 'ValueAsString': 'H'}, {'FeatureName': 'card1', 'ValueAsString': '4577'}, ...
生成 Hive DDL 命令
SageMaker Python 软件开发工具包的FeatureStore类还提供了生成 Hive DDL 命令的功能。表的方案是基于要素定义生成的。列以要素名称命名，并根据要素类型推断数据类型。
print(feature_group.as_hive_ddl())
输出示例：
CREATE EXTERNAL TABLE IF NOT EXISTS sagemaker_featurestore.identity-feature-group-27-19-33-00 ( TransactionID INT id_01 FLOAT id_02 FLOAT id_03 FLOAT id_04 FLOAT ...
构建训练数据集
要素存储会自动构建Amazon Glue数据目录，并且可以根据需要将其关闭。下面介绍了如何使用本主题前面创建的身份要素组和事务要素组中的要素值创建单个训练数据集。此外，以下内容还介绍了如何运行 Amazon Athena 查询以加入存储在脱机存储中的身份和事务要素组中的数据。
要启动，Athena 用athena_query()用于身份要素组和事务要素组。“表名称” 是Amazon Glue表，该表由要素存储自动生成。
identity_query = identity_feature_group.athena_query() transaction_query = transaction_feature_group.athena_query() identity_table = identity_query.table_name transaction_table = transaction_query.table_name
编写和执行 Athena 查询
在这些要素组上使用 SQL 编写查询，然后使用.run()命令并为要保存的数据集指定 S3 存储桶位置。
# Athena query query_string = 'SELECT * FROM "'+transaction_table+'" LEFT JOIN "'+identity_table+'" ON "'+transaction_table+'".transactionid = "'+identity_table+'".transactionid' # run Athena query. The output is loaded to a Pandas dataframe. dataset = pd.DataFrame() identity_query.run(query_string=query_string, output_location='s3://'+default_s3_bucket_name+'/query_results/') identity_query.wait() dataset = identity_query.as_dataframe()
在这里，您可以使用此数据集训练模型，然后执行推理。
删除功能组
您可以使用deletefunction.
feature_group.delete()
以下代码示例摘自欺诈检测示例。
identity_feature_group.delete() transaction_feature_group.delete()
有关更多信息，请参阅 。删除功能组 API