本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 特色商店
<a name="feature-store"></a>

使用 [SageMaker AI Feature Store](https://aws.amazon.com/sagemaker/feature-store/) 可以提高团队的工作效率，因为它可以分离组件边界（例如，存储与使用情况）。它还为组织内的不同数据科学团队提供了功能的可重用性。

## 使用时空旅行查询
<a name="time-travel"></a>

Feature Store 中的时空旅行功能有助于重现模型构建并支持更强大的治理实践。当组织想要评估数据沿袭时，这可能很有用，类似于 Git 等版本控制工具评估代码的方式。时空旅行查询还可以帮助组织为合规性检查提供准确的数据。有关更多信息，请参阅 Machine Learn [ing 博客上的 “ AWS 了解亚马逊 SageMaker AI 功能商店的关键](https://aws.amazon.com/blogs/machine-learning/understanding-the-key-capabilities-of-amazon-sagemaker-feature-store/)功能”。

## 使用 IAM 角色
<a name="iam-roles"></a>

Feature Store 还有助于在不影响团队工作效率和创新的情况下提高安全性。您可以使用 AWS Identity and Access Management (IAM) 角色授予或限制特定用户或群组对特定功能的精细访问权限。

例如，以下策略限制了对功能商店中敏感功能的访问权限。

```
{
    "Version": "2012-10-17", 		 	 	 		 	 	 
    "Statement": [
        {
            "Sid": "VisualEditor0",
            "Effect": "Deny",
            "Action": "*",
            "Resource": "arn:aws:s3:::amzn-s3-demo-bucket--usw2-az1--x-s3/12345678910/sagemaker/us-east-2/offline-store/doctor-appointments"
        }
    ]
}
```

有关使用 Feature Store 进行数据[安全和加密的更多信息，请参阅 SageMaker AI 文档中的安全和访问控制](https://docs.aws.amazon.com/sagemaker/latest/dg/feature-store-security.html)。

## 使用单元测试
<a name="unit-testing"></a>

当数据科学家根据某些数据创建模型时，他们通常会对数据的分布做出假设，或者他们进行彻底的分析以充分了解数据的属性。部署这些模型后，它们最终会过时。当数据集过时时，数据科学家、机器学习工程师和（在某些情况下）自动化系统会使用从在线或离线商店获取的新数据对模型进行重新训练。

但是，这些新数据的分布可能已经改变，这可能会影响当前算法的性能。检查这类问题的一种自动方法是借鉴软件工程中的*单元测试*概念。[https://en.wikipedia.org/wiki/Student%27s_t-test](https://en.wikipedia.org/wiki/Student%27s_t-test)您可能还需要验证数据架构，以确保它没有发生变化，也不会静默生成无效的输入要素。

单元测试需要了解数据及其域，以便您可以计划在机器学习项目中执行的确切断言。有关更多信息，请参阅 AWS 大[数据博客 PyDeequ上的大规模测试数据质量](https://aws.amazon.com/blogs/big-data/testing-data-quality-at-scale-with-pydeequ/)。