引导式测验 · 中等 等级

功能商店测验

练习特征存储历史记录、在线新鲜度和实体连接，包括共享定义如何在不保证相同输入的情况下减少偏差。

相关引导路径特征商店
问题 1 的 8

Why use shared feature definitions for training and online serving?

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. Why use shared feature definitions for training and online serving?
    • To guarantee every cached value is always fresh
    • To reduce skew caused by separate transformation implementations
    • To eliminate the need for timestamps
    • To choose a GPU model automatically
  2. 线下商店和网上商店有什么区别？
    • 离线保存历史数据用于训练；在线快速提供最新值以进行实时预测
    • 离线用于图像，在线用于文本
    • 它们是相同的但名称不同
    • 周末线下运行，工作日线上运行
  3. 为什么时间点连接在构建训练数据时很重要？
    • 它们使数据库运行得更快
    • 他们将功能翻译成其他语言
    • 他们通过使用每个事件发生时的特征值来防止数据泄漏
    • 它们减少了模型的文件大小
  4. Which storage pattern commonly supports low-latency feature lookup by entity key?
    • An archival tape read for every request
    • A printed document catalog
    • A model-weight-only file
    • A key-value online store such as Redis or DynamoDB
  5. 在这种情况下，什么是“特征”？
    • 来自数据的输入变量，例如 30 天内的平均支出
    • 模型代码中的错误
    • 仪表板的配色方案
    • GPU 的一种
  6. 共享功能目录可以提供哪些额外好处？
    • 它每小时自动删除旧数据
    • 它取代了任何模型训练的需要
    • 它可以让为一个模型构建的功能被其他模型发现和重用
    • 它加密公司的电子邮件
  7. A feature’s event time precedes a loan decision, but the value only arrived afterward. What must a historical training join consider?
    • Only whether its column name is short
    • A rule that every past event was already known
    • Only the current online value
    • Whether that value was actually available at prediction time
  8. An online feature has not been refreshed after new events arrived. Which property should a feature-store monitor inspect?
    • The font size of the registry page
    • Feature freshness relative to the prediction’s needs
    • The model’s number of attention heads only
    • Whether the feature name contains a digit