avg_order_value_30d

特征存储解决训练和部署间机器学习数据漂移问题

特征存储对于机器学习至关重要，可以防止用于训练模型和用于实时评分的特征数据之间出现差异。一个常见的问题是，当相同的特征（例如，30天内的平均订单价值）在批处理训练管道和实时部署系统中计算方式不同时就会出现。这种差异，通常是由于定义或时间上的细微差别造成的，可能导致模型性能悄然下降，并降低实时决策的质量，尤其是在高风险场景下。为了确保时间点正确性，特征存储提供了特征的历史视图，防止模型从未来信息或标签本身的后果中学习，从而避免目标泄露。