機械学習の特徴量ストアとは

機械学習（ML）は多くの業界でますます重要になっており、特徴量ストアはMLのアプリケーション（金融詐欺の検知、関連するeコマースの商品レコメンデーションの提供、医師による患者の疾病のより効果的な予防および治療の支援など）で極めて重要な役割を果たします。このページでは、特徴量ストアとは何か、データの専門家が機械学習の特徴量のライフサイクル全体を適切に管理し、MLパイプラインを極めて迅速に展開できるようにするには、特徴量ストアがどのように役立つかを詳しく解説します。

特徴量ストアは、機械学習に使用される新しいデータシステムであり、よく使用される特徴量を保存、処理、アクセスするための一元化されたハブとして機能します。特徴量ストアにより、将来の機械学習モデルの開発で特徴量を再利用できるようになります。特徴量ストアは、特徴量エンジニアリングの一環として、機械学習のためのデータの入力、追跡、ガバナンスを一元的に運用できるようにします。

特徴量ストアが重要な理由を完全に理解するには、機械学習モデルの仕組みに関する基本的な知識が必要です。MLモデルは特徴量を使用します。特徴量は、過去のデータに基づいて将来に関する予測を立てる方法をモデルに教えるために使用できる測定可能なデータです。たとえば、顧客が翌月内に購入を行うかどうかを予測するには、先月の合計購入金額や今週のウェブサイト訪問数などの変数または特徴量を使用できます。同様に、医療関連のユースケースの場合、患者について説明するために使用される特徴量には、年齢、体重、喫煙、運動頻度、現在の診断名などがあります。 

機械学習モデルは、最初にトレーニングプロセスを経て、大量の履歴データを事前に準備された例および特徴量の形式を用いてトレーニングされます。これにより、MLモデルは、類似データの過去の経験に基づいて新しい例を推論または正確に予測できるようになります。運用データを用いて予測する方法をモデルにトレーニングした後は、組織は生データをトレーニングで使用されたものと同じ特徴量に変換するパイプラインを本番環境で運用できるよう整備する必要があります。

すべてのデータ（トレーニングデータと運用データの両方）を、特徴量パイプラインを介してモデルに入力できるように適切に準備する必要があります。特徴量パイプラインはデータパイプラインに近い仕組みです。特徴量パイプラインからのデータ出力は集約および検証され、適切な形式へ変換されたのち、MLモデルに入力されます。

特徴量ストアは、よく使用される特徴量を保存し、MLモデルまたはMLチーム間での再利用や共有のために処理する中央リポジトリとして機能します。これらは特徴量の値を保存、管理するだけでなく、クラウドデータウェアハウス、クラウドデータレイク、あるいはストリーミングアプリケーションからの生データを変換することも可能です。これにより、新しいMLモデルのトレーニングに有用な特徴量を生成したり、MLを活用したアプリケーションに結果をフィードする新しいデータのスコアリングを行ったりすることができます。