Qu’est-ce qu’un feature store en machine learning ?

Le machine learning (ML) devient toujours plus important dans de nombreux secteurs, or les feature stores jouent un rôle stratégique dans son application, notamment pour détecter les fraudes financières, proposer des recommandations de produits dans le cadre du e-commerce ou encore aider les médecins à prévenir et à soigner plus efficacement les affections chez leurs patients. Dans cet article, nous expliquons ce que sont les feature stores et comment ils peuvent aider les professionnels de la data à améliorer leur gestion de l’ensemble du cycle de vie des features de machine learning, afin de pouvoir déployer des pipelines de ML en des temps records.

Un feature store est un système de données émergent utilisé pour le machine learning en tant que plateforme centralisée de stockage, de traitement et d’accès aux features courantes. Celles-ci restent alors à disposition pour être réutilisées lors du développement de futurs modèles de machine learning. Les feature stores prennent en charge les opérations de saisie, de suivi et de gouvernance des données dans le cadre du feature engineering pour le machine learning.

Pour saisir pleinement l’importance des feature stores, il convient de comprendre les principes de fonctionnement de base des modèles de machine learning. Les modèles de ML s’appuient sur des fonctionnalités, qui correspondent à des unités de données mesurables qui peuvent être exploitées pour apprendre à un modèle à formuler des prédictions concernant l’avenir à partir de données du passé. Par exemple, pour prédire si un client passera à l’achat dans le mois à venir, il est possible d’utiliser des variables ou fonctionnalités telles que la somme des achats du mois passé ou le nombre de visites effectuées sur un site Web pendant la semaine actuelle. De la même manière, dans le contexte médical, les fonctionnalités utilisées pour décrire un patient peuvent inclure des variables comme l’âge, le poids, le tabagisme, l’activité physique et les diagnostics médicaux actuels. 

Les modèles de machine learning doivent d’abord passer par un processus d’entraînement, en ingérant d’immenses quantités de données historiques sous forme de fonctionnalités et d’exemples pré-préparés. Ce processus permet aux modèles de ML de déduire ou de formuler des prédictions précises pour de nouveaux exemples à partir d’expériences passées avec des données similaires. Une fois un modèle entraîné aux prédictions avec des données opérationnelles, les entreprises doivent mettre en service les pipelines qui transforment les données brutes en features similaires à celles utilisées pour l’entraînement.

Toutes les données, qu’elles soient opérationnelles ou d’entraînement, doivent être correctement préparées pour être ingérées par le modèle par le biais d’un feature pipeline. Les feature pipelines ressemblent à des pipelines de données. Les données issues des feature pipelines sont agrégées, validées et transformées dans le format requis, avant d’être ingérées dans le modèle de ML.

Les feature stores fonctionnent comme un référentiel central où les features couramment exploitées sont stockées et traitées pour être réutilisées et partagées entre différents modèles de ML ou équipes. Ils peuvent non seulement stocker et gérer les valeurs des features, mais également être utilisés pour transformer des données brutes provenant d’un data warehouse dans le cloud, d’un data lake dans le cloud ou encore d’une application de streaming en features précieuses pour l’entraînement de nouveaux modèles de ML et l’évaluation de nouvelles données, afin d’alimenter les résultats des applications fondées sur le ML.