Feature Viewsによるリアルタイム不正検知

英語原文から AI が翻訳しました。 英語版を見る

* Feature Viewsでは不正検知用の特徴量を一度定義するだけで、ポイントインタイムのトレーニングとオンラインスコアリングの両方で再利用でき、データリークやトレーニング/サービング間のスキューを抑えられます。 * ローリングウィンドウで決済の急増を検知し、30日間のSawtoothベースラインで通常の支出パターンを把握し、オンデマンド特徴量で各決済をそのベースラインと比較してスコアリングします。 * materialize_features()を1回呼び出すだけで、Lakebase上のOnline Feature Storeへのマネージドなstreamingパイプラインが作成され、200ms未満の特徴量鮮度を実現します。