AI 词汇表
人工智能完整词典
200
个类别
2,608
个子类别
30,011
个术语
个术语
Feature Engineering
通过转换、聚合和组合从原始数据中创建预测变量的过程，以提高机器学习模型的性能。
个术语
Feature Pipeline
将原始数据转换为可用特征的自动化工作流，包括提取、转换、验证和加载到特征存储中。
个术语
Online Feature Store
特征存储中针对低延迟访问进行优化的组件，存储最新特征用于生产模型的实时预测。
个术语
Offline Feature Store
针对分析查询和模型训练进行优化的历史特征数据存储库，通常基于数据湖或数据仓库技术。
个术语
Feature Discovery
从原始或现有数据中探索和识别相关特征的过程，通常借助自动化分析技术。
个术语
Feature Registry
记录所有可用特征及其元数据、定义、统计信息和用例的中央目录，以促进可复用性。
个术语
Point-in-time Correctness
确保用于训练的特征精确地代表过去特定时间点可用的信息，从而避免未来数据泄露。
个术语
Feature Monitoring
持续监控生产环境中特征的分布和质量，以检测可能影响模型性能的漂移、异常和模式中断。
个术语
Feature Lineage
从源数据到机器学习模型使用的全过程，追踪每个特征的来源和所应用的转换，实现完全的可追溯性。
个术语
Feature Versioning
管理特征随时间推移的不同版本，从而能够精确复现训练条件，并管理生产环境中的渐进式迁移。
个术语
Feature Transformation
对原始特征应用数学或统计函数，根据机器学习算法的要求进行归一化、标准化或变量编码。
个术语
Feature Store Backfilling
回溯计算并存储历史特征的过程，以确保时间一致性，并允许在完整的数据周期上进行训练。
个术语
Feature Serving
将特征交付给消费应用的机制，针对延迟和可扩展性进行了优化，无论是用于批量训练还是实时预测。
个术语
Feature Store Governance
一套确保组织内特征质量、安全性、合规性和适当使用的政策、程序和控制措施。
个术语
Feature Store Architecture
特征存储的系统设计，包括存储、计算、服务和编排组件，以保证训练和生产之间的可扩展性、性能和一致性。
个术语
Feature Store as a Service
由云供应商或专业公司提供的托管式特征存储服务，无需部署和维护底层基础设施。
个术语
Feature Store Latency
衡量特征存储在请求特征与特征可用性之间的响应时间，对于实时预测应用至关重要。
🔍