Para construir un conjunto de entrenamiento, cada fila se une al último valor de una feature customer_total_spend, tomado de una tabla que se actualiza a diario. El modelo es excelente offline y malo online. ¿Cuál es el problema probable?
Opciones
- La tabla es demasiado pequeña
- El join usó valores posteriores al momento del evento, una fuga; las features deben unirse tal como eran en ese momento (un join point-in-time) (Opción correcta)
- El modelo es demasiado simple
- La tabla necesita más índices
Respuesta
El join usó valores posteriores al momento del evento, una fuga; las features deben unirse tal como eran en ese momento (un join point-in-time)
Por qué
Para una fila fechada el 1 de marzo, la feature debe ser el valor conocido el 1 de marzo. Usar el último valor incluye compras hechas después de esa fecha, así que el modelo ve el futuro al entrenar, pero no en producción.
Un join point-in-time (as-of) elige, para cada fila, el último valor de la feature con una marca de tiempo no posterior al momento del evento de la fila.
Los feature stores como Feast lo hacen correctamente.
Recuerda
Une las features tal como eran en el momento del evento.