特徴量ストア

特徴量ストアって何？

機械学習では「特徴量（feature）」がモデルに渡す入力の列です。ユーザーの年齢、直近30日の注文回数、商品価格……。特徴量ストア（Feature Store）は、これらの特徴量を一箇所に集め、統一的に管理する「倉庫」です。訓練もオンライン推論も同じ特徴量を使い、必要な人が取りに来る仕組みです。

解決する核心の悩みは？

訓練と推論のズレ
訓練ではあるスクリプトで特徴量を計算し、本番では別のロジックで計算し直す。両者が食い違えば、オンラインでの性能が崩れます。特徴量ストアに統一して保存すれば、訓練も推論も同じものを読めます。
車輪の再発明
同じ特徴量を別々のチームがバラバラに書き、遅く、ミスも起きやすい。集中管理すれば、一度計算してどこでも使えます。
再利用・管理が難しい
特徴量が各所のスクリプトに散らばると、探すのも変えるのも追うのも大変。特徴量ストアが「居場所」を与え、バージョンと来歴も付けます。

どんな構成か

オンラインストア
推論は低遅延が命なので、RedisのようなインメモリDBに置き、ミリ秒単位で取得します。
オフラインストア
訓練用の大量の履歴特徴量は、データウェアハウスやオブジェクトストレージに置きます。
特徴量レジストリ
各特徴量の定義・出どころ・バージョンを記録し、発見と再利用を容易にします。

いつ使うべきか

「同じ特徴量を何度も計算している」とか「訓練では好調なのに本番で崩れる」と感じたら、特徴量ストアが解決策になることが多いです。MLOps基盤の中で重要性を増しているピースです。

まとめ：特徴量ストアは特徴量の「中央倉庫」。訓練と推論で同じものを使い、一度計算してどこでも使い、オンラインとオフラインを食い違わせません。